用循环神经网络预测序列定义大分子的聚集体形态

稀溶液中序列定义大分子的自主装是一种复杂现象，其中化学基团的局部排列可导致长程结构的形成。该结构对序列的依赖性必然意味着两者之间存在映射，但迄今为止难以建模。由于缺乏有效的序参数、设计空间巨大、内在变异性以及现有模拟技术的高计算成本，预测这些大分子的聚集行为具有挑战性。在此，我们利用监督机器学习准确预测由序列定义大分子自组装形成的聚集体形态。我们发现，具有隐式表示学习的回归模型显著优于基于 $k$-mer计数等人工设计特征的模型，且在测试的九种模型架构中，基于循环神经网络（Recurrent Neural Network）的回归器表现最佳。此外，我们展示了利用回归模型对单体序列进行高通量筛选，以识别可自组装成选定形态的候选序列。我们的策略在每次测试中均成功识别出多个合适序列，因此希望此处获得的见解未来可扩展至其他日益复杂的设计场景，例如多分散性及不同环境条件下的序列设计。