LineageFlow：面向家族感知的高保真蛋白序列生成

蛋白质序列生成以工程为目的需获得生物物理上合理的样本，且在针对特定家族/域的情况下仍保持可识别性，同时探索家族内部的多样性。当前离散生成模型通常从均匀或掩码-token 噪声开始，这会丢弃由进化引起的强位置特定约束，迫使模型从头重建保守残基，导致家族控制弱且保真性低。我们提出 LineageFlow，一种 Dirichlet 流匹配模型，初始化来自祖先序列重建的家族先验，将生成转化为从已进化支架进行结构化突变。在 diverse protein families 上，LineageFlow 实现的家族有效性接近 held-out 自然序列，预测结构置信度在 uniform-/mask-初始化基线之上，同时保持显著的新颖性和多样性。最后，我们引入 rerouting—a 一种 single intermediate-time mutate--select--amplify 插入，使可在无需 per-step predictor guidance 的情况下实现目标导向采样，显著提升保真性，包括零样本酶生成案例研究。代码已公开于 https://github.com/Jinx-byebye/LineageFlow。