Protenix-Mini：通过紧凑架构、少步扩散和可切换 pLM 实现高效结构预测
机器学习
2025-07-17 v1 定量方法
摘要
轻量级推理对于生物分子结构预测以及其他下游任务至关重要，有助于实现实际部署和推理时间的规模化。本文通过做出若干关键修改来解决在模型效率和预测准确性之间取得平衡的挑战：1)用少步ODE采样器取代多步AF3采样器，显著减少扩散模块在推理期间的计算开销；2)在开源Protenix框架中，子集的pairformer或扩散变换器块对最终结构预测没有贡献，为架构修剪和轻量化 redesign 提供了机会；3)训练一个包含ESM模块的模型来取代常规的MSA模块，减少MSA预处理时间。基于这些关键见解，我们提出Protenix-Mini，一个紧凑且优化的模型，旨在实现高效的蛋白质结构预测。这个精简版本包含更高效的架构设计，采用两种步骤的常数微分方程(ODE)采样策略。通过消除冗余的Transformer组件并优化采样过程，Protenix-Mini显著降低了模型复杂度，同时仅有轻微的准确性下降。在基准数据集上的评估表明，它实现了高保真预测，仅比其全尺度对应版本在基准数据集上性能下降1%至5%。这使得Protenix-Mini在计算资源有限但仍需准确结构预测的应用中成为理想选择。
引用
@article{arxiv.2507.11839,
title = {Protenix-Mini: Efficient Structure Predictor via Compact Architecture, Few-Step Diffusion and Switchable pLM},
author = {Chengyue Gong and Xinshi Chen and Yuxuan Zhang and Yuxuan Song and Hao Zhou and Wenzhi Xiao},
journal= {arXiv preprint arXiv:2507.11839},
year = {2025}
}