MutaPLM：用于突变解释与工程的蛋白质语言建模
机器学习
2024-10-31 v1 生物大分子
摘要
在氨基酸序列中研究蛋白质突变在生命科学中具有极其重要的意义。蛋白质语言模型(PLM)已在广泛的生物学应用中展现出强大的能力。然而，由于架构设计和缺乏监督，PLM以进化合理性隐式地对突变进行建模，这不足以作为实际研究中的可解释和可工程化工具。为解决这些问题，我们提出了MutaPLM，一个用于解释和导航蛋白质突变的统一框架，该框架结合了蛋白质语言模型。MutaPLM引入了一个蛋白质增量网络，用于在统一特征空间中捕获显式的蛋白质突变表示，以及一个采用思维链(CoT)策略的迁移学习流程，用于从生物医学文本中获取蛋白质突变知识。我们还构建了MutaDescribe，这是第一个具有丰富文本注释的大规模蛋白质突变数据集，提供了跨模态监督信号。通过全面的实验，我们证明MutaPLM擅长为突变效应提供人类可理解的解释，并优先考虑具有理想特性的新突变。我们的代码、模型和数据已在https://github.com/PharMolix/MutaPLM开源。
引用
@article{arxiv.2410.22949,
title = {MutaPLM: Protein Language Modeling for Mutation Explanation and Engineering},
author = {Yizhen Luo and Zikun Nie and Massimo Hong and Suyuan Zhao and Hao Zhou and Zaiqing Nie},
journal= {arXiv preprint arXiv:2410.22949},
year = {2024}
}
备注
NeurIPS 2024 poster