改进蛋白突变稳定性预测，清华龚海鹏团队AI蛋白工程模型登Nature子刊

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | KX 准确预测蛋白质突变效应在蛋白质工程和设计中至关重要。 近日，清华大学龚海鹏团队 提出了一套基于几何学习的模型套件——GeoStab-suite，其中包含 GeoFitness、GeoDDG 和 GeoDTm 三个模型，分别用于预测蛋白质突变后的适应度得分、ΔΔG 和 ΔT m 。 GeoFitness 采用专门的损失函数，允许使用深度突变扫描数据库中的大量多标记适应度数据对统一模型进行监督训练。为了进一步改进 ΔΔG 和 ΔTm 预测的下游任务，GeoFitness 的编码器被重新用作 GeoDDG 和 GeoDTm 中的预训练模块，来克服缺乏足够标记数据的挑战。 这种预训练策略与数据扩展相结合，显著提高了模型性能和通用性。 在基准测试中 ，就 Spearman 相关系数而言，GeoDDG 和 GeoDTm 分别比其他最先进的方法高出至少 30% 和 70%。 相关研究以 ………………………………