蛋白质语言模型中的推理时毒性缓解
机器学习
2026-03-05 v1 人工智能
摘要
蛋白质语言模型（PLMs）正逐渐成为de novo蛋白质设计的实用工具，但其双重用途潜力引发了安全顾虑。我们展示了，即使毒性性质未作为训练目标，针对特定分类学群体的领域适应也可能引发有毒蛋白生成。为此，我们将Logit差放大（LDA）作为PLMs的推理时控制机制进行适应。LDA通过放大基线模型与毒性微调模型之间的logit差异来修改token概率，无需重新训练。在四个分类学群体上，LDA均将预测毒性率（通过ToxDL2衡量）降至分类学微调基准以下，同时保持生物学合理性。我们采用Fréchet ESM Distance和预测折叠性（pLDDT）评估质量，发现LDA保持了与自然蛋白的分布相似性和结构可行性（与基于激活的引导方法不同，后者倾向于降低序列属性）。我们的结果表明，LDA为蛋白质生成器提供了一种实用的安全调节器，在缓解诱发的毒性的同时保持生成质量。
引用
@article{arxiv.2603.04045,
title = {Inference-Time Toxicity Mitigation in Protein Language Models},
author = {Manuel Fernández Burda and Santiago Aranguri and Iván Arcuschin Moreno and Enzo Ferrante},
journal= {arXiv preprint arXiv:2603.04045},
year = {2026}
}