大语言模型实际上是蛋白质序列优化器
机器学习
2025-01-20 v2 人工智能
定量方法
摘要
我们考虑蛋白质序列工程问题，即旨在从给定的野生类型序列中寻找高适应性水平的蛋白质序列。定向演化一直是该领域的主导范式，该范式通过迭代过程生成变体并通过实验反馈进行选择。我们展示了尽管大语言模型（LLMs）是在大规模文本上训练的，却实际上是蛋白质序列优化器。通过定向演化方法，LLM 可以通过帕累托最优和实验预算受限的优化进行蛋白质工程，在合成和实验适应性景观上均取得成功。
引用
@article{arxiv.2501.09274,
title = {Large Language Model is Secretly a Protein Sequence Optimizer},
author = {Yinkai Wang and Jiaxing He and Yuanqi Du and Xiaohui Chen and Jianan Canal Li and Li-Ping Liu and Xiaolin Xu and Soha Hassoun},
journal= {arXiv preprint arXiv:2501.09274},
year = {2025}
}
备注
Preprint