入选NeurIPS 24！浙大团队提出全新去噪蛋白质语言模型DePLM，突变效应预测优于SOTA模型

文章预览

作者：梅菜 编辑：十九， 李宝珠 本研究所提出的全新去噪蛋白质语言模型 (DePLM) 不仅显著提升了蛋白质优化性能，而且保持了强大的泛化能力。 作为生物功能的主要载体，蛋白质结构和功能在数十亿年的进化中所展示出的多样性，为药物发现和材料科学等领域的进步提供了重要机遇，然而，现有蛋白质的固有特性（如热稳定性）在许多情况下往往无法满足实际需求。因此，研究人员致力于通过优化蛋白质来增强其特性。 传统的深度突变扫描 (DMS) 和定向进化 (DE) 依赖于昂贵的湿实验技术，与之相比，基于机器学习的方法能够快速评估突变效果，对高效的蛋白质优化至关重要。 其中，一种应用广泛的研究途径是利用进化信息 (Evolution Information) 来检验突变效果。 进化信息可以通过氨基酸在蛋白质序列中某一位置出现的可能性来推断突变效果。为了 ………………………………