多模态 CLIP-信息化蛋白质编辑
人工智能
2024-11-19 v1
摘要
蛋白质主导着生命不可或缺的大多数生物功能，但实现可控的蛋白质发现与优化仍然具有挑战性。最近，利用机器学习辅助的蛋白质编辑(MLPE)在加速优化循环和减少实验负载方面显示出前景。然而，当前方法在处理蛋白质编辑的广泛组合空间方面受限，无法显式地通过生物文本指令进行蛋白质编辑，这限制了其与人类反馈的互动性。为填补这一空白，我们提出了一种新方法，称为 ProtET，通过多模态学习实现高效的 CLIP-信息化蛋白质编辑。我们的方法包含两个阶段：在预训练阶段，contrastive learning 将由两个大语言模型(LLM)分别编码的蛋白质-生物文本表示进行对齐；随后，在蛋白质编辑阶段，来自编辑指令文本和原始蛋白质序列的融合特征作为生成目标蛋白质序列的最终编辑条件。通过综合实验，我们证明了 ProtET 在提升蛋白质在多个属性域上实现人类期望功能的编辑效果，包括酶催化活性、蛋白质稳定性和抗体特异性结合能力。ProtET 将 state-of-the-art 结果提高了大幅度，实现了显著的稳定性提升，分别为 16.67% 和 16.90%。这一能力为实际的人工蛋白质编辑提供了可能，潜在地满足了尚未实现的学术、工业和临床需求。
引用
@article{arxiv.2407.19296,
title = {Multi-Modal CLIP-Informed Protein Editing},
author = {Mingze Yin and Hanjing Zhou and Yiheng Zhu and Miao Lin and Yixuan Wu and Jialu Wu and Hongxia Xu and Chang-Yu Hsieh and Tingjun Hou and Jintai Chen and Jian Wu},
journal= {arXiv preprint arXiv:2407.19296},
year = {2024}
}
备注
13 pages, 7 figures, 5 tables