SESNet: sequence-structure feature-integrated deep learning method for data-efficient protein engineering
Shanghai Jiao Tong University(上海交通大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);East China University of Science and Technology(华东理工大学)
本文提出 SESNet 深度学习模型,通过整合序列和结构信息及注意力机制预测蛋白质突变体适应性,并提出利用无监督数据预训练的数据增强策略,在少量实验数据下实现高阶突变体的高精度预测。
2022-12-29 cs.LG q-bio.QM
How to make the most of your masked language model for protein engineering
BigHat Biosciences(BigHat生物科学公司)
本文提出一种灵活有效的掩码语言模型采样方法,通过系统评估模型和方法在抗体工程中的实际应用,揭示采样方法对生物性质优化的重要性。
2026-11-03 cs.LG q-bio.QM
Algorithm engineering for optimal alignment of protein structure distance matrices
蛋白质结构比对是计算生物学中的一个重要问题。在本文中,我们提出了第一个成功的证明最佳的蛋白质间残基距离矩阵的成对比对,使用流行的达利评分函数。我们正式引入结构对齐问题,这使我们能够在一个统一的框架中表达各种特殊情况下在以前的工作中使用的评分功能。此外,我们提出了第一个数学模型计算的基础上密集的残基间距离矩阵的最佳结构比对。因此,我们将该问题转化为一个特殊的图问题,并给出了一个紧整数线性规划模型。然后,我们提出了算法工程技术来处理现实生活中的距离矩阵对齐问题的巨大的整数线性规划。应用这些技术,我们可以计算证明最佳的达利对齐的第一次。
2011-04-15 q-bio.QM
Geometric deep learning assists protein engineering. Opportunities and Challenges
本文探讨几何深度学习在蛋白质工程中的应用,提出统一框架整合可解释AI与结构验证,以应对序列复杂性和数据稀缺挑战,推动自主设计。
2025-06-19 q-bio.QM
From thermodynamics to protein design: Diffusion models for biomolecule generation towards autonomous protein engineering
University of Paris City(巴黎城市大学);University of Reunion(留尼汪大学);INSERM(法国国家健康与医学研究院);Imperial College London(伦敦帝国学院);University of Magallanes(麦哲伦大学);Centre for Biotechnology and Bioengineering, Universidad de Chile(智利大学生物技术与生物工程中心);Leibniz Institute of Plant Biochemistry(莱布尼茨植物生物化学研究所);National Centre for Biological Science, TIFR(塔塔基础研究院国家生物科学中心);Indian Institute of Science(印度科学学院);Institute of Bioinformatics and Applied Biotechnology(生物信息学与应用生物技术研究所);EnergyLab(能源实验室);Faculty of Sciences and Technology, University of Reunion(留尼汪大学科学与技术学院);School of Information Science and Technology(信息科学与技术学院);Beijing Institute of Artificial Intelligence(北京人工智能研究院);University Le Havre Normandie(勒阿弗尔诺曼底大学);PEACCEL(PEACCEL公司);AI for Biologics(AI for Biologics部门)
本文综述扩散模型的数学原理及其在蛋白质、肽和药物相关生物分子生成中的应用,并探讨 E(3) 等变性与自主蛋白质工程的未来方向。
2025-01-05 cs.AI cs.LG q-bio.QM
Protein sequence design with deep generative models
California Institute of Technology(加州理工学院);Google Deepmind(谷歌DeepMind);Microsoft Research New England(微软新英格兰研究院)
蛋白质工程旨在鉴定具有优化性质的蛋白质序列。当由机器学习引导时,蛋白质序列生成方法可以利用先验知识和实验努力来改进该过程。在这篇综述中,我们强调了机器学习在生成蛋白质序列方面的最新应用,重点关注新兴的深度生成方法领域。
2021-04-09 cs.LG q-bio.BM q-bio.QM
TourSynbio-Search: A Large Language Model Driven Agent Framework for Unified Search Method for Protein Engineering
Toursun Synbio(Toursun 合成生物);City University of Hong Kong(香港城市大学);Shanghai Jiao Tong University(上海交通大学);Johns Hopkins University(约翰斯·霍普金斯大学)
TourSynbio-Search是TourSynbio-7B驱动的双模块搜索智能体框架,可跨多平台检索文献与蛋白质数据,降低技术门槛,提升蛋白质工程研究的信息检索效率与生产力
2026-08-06 cs.AI q-bio.QM
Pan-protein Design Learning Enables Task-adaptive Generalization for Low-resource Enzyme Design
Zhejiang University(浙江大学);Westlake University(西湖大学)
针对当前深度CPD模型在功能特异性设计上的不足,提出面向酶等功能设计任务的新型范式及CrossDesign域自适应框架,利用PPLMs迁移知识解决结构数据稀缺问题,提升低资源酶设计性能与泛化能力。
2024-11-26 cs.AI cs.LG q-bio.QM
VenusFactory: A Unified Platform for Protein Engineering Data Retrieval and Language Model Fine-Tuning
Shanghai Jiao Tong University(上海交通大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);East China University of Science and Technology(华东理工大学)
针对蛋白质工程领域跨学科应用受数据收集、基准测试等限制的问题,研究提出整合生物数据检索、标准化基准测试与PLMs模块化微调的VenusFactory平台,支持双操作模式,集成40+数据集与40+主流模型并已开源。
2025-03-19 cs.AI cs.CL q-bio.QM
Large Language Model is Secretly a Protein Sequence Optimizer
Tufts University(塔夫茨大学);Northeastern University(东北大学);Cornell University(康奈尔大学);UC Berkeley(加州大学伯克利分校)
该研究发现经文本训练的大语言模型可作为蛋白质序列优化器,结合定向进化方法,在帕累托与实验预算约束下实现蛋白质工程,在两类适应度景观上均验证有效。
2025-01-17 cs.AI cs.LG q-bio.QM
Scoring-Assisted Generative Exploration for Proteins (SAGE-Prot): A Framework for Multi-Objective Protein Optimization via Iterative Sequence Generation and Evaluation
SAGE-Prot框架通过迭代结合自回归蛋白质生成与定量结构-性质关系模型进行多目标优化,在GB1和TEM-1等蛋白质上实现结合亲和力、热稳定性、酶活性及溶解度的显著提升,最高使β-内酰胺酶活性增加17倍。
2025-05-02 q-bio.BM q-bio.QM
Improving homology-directed repair by small molecule agents for genetic engineering in unconventional yeast? -- Learning from the engineering of mammalian systems
本文综述了利用小分子试剂提高非常规酵母中同源定向修复效率的策略,借鉴哺乳动物系统经验,并介绍了高通量筛选方法,以促进酵母基因工程。
2023-08-29 q-bio.BM q-bio.QM
Protein Sequencing with an Adaptive Genetic Algorithm from Tandem Mass Spectrometry
在蛋白质组学中,只有从头肽测序方法允许从MS/MS谱中发现肽的部分氨基酸序列。在这篇文章中,提出了一个初步的工作,发现一个完整的蛋白质序列的光谱数据(MS和MS/MS光谱)。目前,我们的方法仅使用MS光谱。遗传算法(GA)已被设计与一个新的评价功能,它直接与一个完整的MS谱作为输入,而不是与质量列表像其他方法使用这种数据。因此,删除了需要人为干预的单同位素峰提取步骤。这种方法的目标是发现未知蛋白质的序列,并允许更好地了解实验蛋白质和数据库中蛋白质之间的差异。
2008-04-08 q-bio.QM
Adaptive Residue-wise Profile Fusion for Low Homologous Protein SecondaryStructure Prediction Using External Knowledge
Shenzhen Research Institute of Big Data(深圳大数据研究院);Tencent AI Lab(腾讯人工智能实验室);CryoEM Center, SUSTech(南方科技大学冷冻电镜中心)
蛋白质二级结构预测(PSSP)是蛋白质功能分析的基础。然而,对于低同源性蛋白质,PSSP遭受不足的输入特征。在本文中,我们显式地导入外部自监督知识的指导下,低同源PSSP残留明智的轮廓融合。在实践中,我们首先证明了在低同源PSSP的位置特异性评分矩阵(PSSM)的配置文件的优越性。基于这一观察,我们引入了新的自监督BERT特征作为伪轮廓,其隐含地涉及所有本地发现序列中的残差分布作为互补特征。此外,一种新的残差式注意力被专门设计用于自适应地融合不同的特征(即,原始低质量轮廓、基于BERT的伪轮廓),其不仅充分利用了每个特征,而且避免了噪声干扰。此外,提出了特征一致性损失,从多个语义层次加速模型学习。大量的实验证实,我们的方法优于现有技术(即,在BC40数据集上非常低的同源性病例为4.7%)。
2021-08-05 cs.AI cs.LG q-bio.QM
Adaptive Multimodal Protein Plug-and-Play with Diffusion-Based Priors
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Carnegie Mellon University(卡内基梅隆大学)
针对多源实验数据引导蛋白质扩散模型需手动调参的难题,提出具备自适应噪声估计与动态模态加权的Adam-PnP即插即用框架,显著提升复杂重建任务准确率。
2025-07-28 cs.AI cs.LG q-bio.QM
LAST: Latent Space Assisted Adaptive Sampling for Protein Trajectories
分子动力学(MD)模拟被广泛用于研究蛋白质构象和动力学。然而,传统的模拟遭受被困在一些难以逃脱的局部能量极小值。因此,大部分计算时间花费在已经访问的区域中的采样上。这导致采样过程效率低下,并进一步阻碍了在负担得起的模拟时间内探索蛋白质运动。深度学习的进步为蛋白质采样提供了新的机会。变分自编码器是一类深度学习模型,用于学习低维表示(称为潜在空间),可以捕获输入数据的关键特征。基于这一特点,本文提出了一种新的自适应采样方法--潜在空间辅助自适应采样蛋白质轨迹(LAST),以加速蛋白质构象空间的探索。该方法包括(i)变分自编码器训练,(ii)潜在空间上的种子结构选择和(iii)通过额外的MD模拟进行构象采样的循环。通过对两个蛋白质系统的四种结构的采样验证了所提出的方法:E.大肠杆菌腺苷激酶(ADK)和两种天然状态的Vivid(VVD)。在所有四种构象中,种子结构被证明位于构象分布的边界上。此外,大的构象变化,观察到在较短的模拟时间相比,在这两个系统中的常规MD(cMD)模拟。在亚稳态ADK模拟中,LAST探索了两种过渡路径,而cMD被困在一个能量盆中。在VVD轻态模拟中,LAST比具有相似构象空间的cMD模拟快三倍。
2022-04-27 q-bio.QM
Learning immune receptor representations with protein language models
本文综述了蛋白质语言模型在免疫受体研究中的应用,涵盖其学习表征、预测抗原特异性及工程化抗体等任务,并指出了数据不足与模型架构等挑战。
2024-02-06 q-bio.QM
Extensible and Scalable Adaptive Sampling on Supercomputers
蛋白质动力学的准确采样是一个持续的挑战,尽管利用高性能计算机(HPC)系统。仅利用“蛮力”MD模拟需要不可接受的长时间来求解。自适应采样方法允许比标准MD模拟更有效的蛋白质动力学采样。取决于重启策略,速度可以超过一个数量级。限制领域专家利用自适应采样的一个挑战是在HPC系统上有效运行自适应采样的相对高的复杂性。我们讨论了ExTASY框架如何设置新的自适应采样策略,并在HPC平台上大规模可靠地执行由此产生的工作流。在这里,四个蛋白质的折叠动力学预测没有先验信息。
2020-09-24 physics.comp-ph q-bio.QM
Quantum Simulation of Protein Fragment Electronic Structure Using Moment-based Adaptive Variational Quantum Algorithms
University College London (UCL)(伦敦大学学院)
本研究提出一种基于矩的自适应变分量子算法,用于高精度模拟蛋白质片段电子结构,实现了化学精度并展示了在病毒蛋白酶抑制和代谢预测中的应用效果。
2026-01-02 cs.ET q-bio.QM
ProtoCycle: Reflective Tool-Augmented Planning for Text-Guided Protein Design
Shanghai Jiao Tong University, School of Mathematical Sciences(上海交通大学数学科学学院);DP Technology(DP技术);University of Science and Technology of China(中国科学技术大学);AI for Science Institute(AI for Science研究院)
本文提出ProtoCycle框架,通过LLM驱动的反馈循环和轻量级工具环境,提升文本引导蛋白质设计的序列质量。
2026-04-18 cs.AI q-bio.QM
Adaptive BLASTing through the Sequence Dataspace: Theories on Protein Sequence Embedding
我们认为系统发育谱提供了一种定量方法,可以将蛋白质的结构和功能特性以及它们的进化关系联系起来。系统发育谱的一个关键特征是可互操作的数据格式(例如比对信息、生理化学信息、基因组信息等)。事实上,我们以前已经证明了位置特异性评分矩阵(PSSM)是一个信息M维,可以从嵌入或未修饰的序列比对的定量测量进行评分。此外,从这些比对中获得的信息是有用的,即使在序列相似性的模糊区(<25%同一性)(1-5)。虽然强大,我们以前的嵌入策略遭受污染对齐(嵌入和未修改)和计算费用。在这里,我们描述了一个启发式嵌入策略(自适应GDDA-BLAST,Ada-BLAST)的逻辑和算法过程。Ada-BLAST平均快约19倍,与我们以前的方法具有相似的灵敏度。此外,我们提供的数据表明嵌入式对齐测量隔离二级结构元件和分类跨膜结构域的结构/功能的好处。我们推测,序列嵌入是多种方式之一,低身份比对可以测量和纳入高性能的PSSM为基础的系统发育概况。
2009-11-03 q-bio.GN q-bio.QM
Benchmarking AlphaFold3's protein-protein complex accuracy and machine learning prediction reliability for binding free energy changes upon mutation
本文基于SKEMPI 2.0数据库系统评估AlphaFold3预测蛋白质-蛋白质复合物结构用于突变结合自由能变化预测的可靠性,发现其相关系数略低于PDB结构且RMSE升高8.6%,并揭示其在柔性区域存在未被ipTM反映的较大误差。
2024-06-06 math.AT q-bio.BM q-bio.QM
VenusMutHub: A systematic evaluation of protein mutation effect predictors on small-scale experimental data
VenusMutHub基于905个小规模实验数据集、527个蛋白质,系统评估23种蛋白质突变效应预测模型,为工业场景下选择精准预测特定功能性质的方法提供基准与指导。
2025-03-10 q-bio.QM
Binary Latent Protein Fitness Landscapes for Quantum Annealing Optimization
University of Alabama at Birmingham(阿拉巴马大学伯明翰分校)
本文提出Q-BIOLAT框架,通过二进制潜在空间建模和优化蛋白质适应度景观,利用预训练蛋白质语言模型生成连续嵌入并转换为二进制表示,结合二次无约束二元优化模型实现高效组合搜索。
2026-03-18 cs.LG q-bio.QM
Sparse Autoencoders for Low-$N$ Protein Function Prediction and Design
Georgia Institute of Technology(佐治亚理工学院)
本研究系统评估了稀疏自编码器在低样本蛋白质功能预测与设计中的有效性,发现其仅用24条序列即可优于ESM2基线,并通过引导潜在变量在83%案例中生成最高适应性变体。
2025-08-25 cs.LG q-bio.QM
An Adaptive Strategy for the Classification of G-Protein Coupled Receptors
School of Electrical and Information Engineering, University of the Witwatersrand(金山大学电气与信息工程学院)
计算生物学中的主要问题之一是现有的分类模型无法将扩展和新的领域知识结合起来。本文通过引入增量学习来解决生物信息学中静态分类模型的问题。许多机器学习工具已经被应用到这个问题,使用静态机器学习结构,如神经网络或支持向量机,不能适应新的信息到他们现有的模型。我们利用模糊ARTMAP作为替代机器学习系统,具有增量学习新数据的能力,因为它变得可用。模糊ARTMAP被发现是许多广泛的机器学习系统相媲美。使用的进化策略中的选择和组合成一个集成系统,再加上模糊ARTMAP的增量学习能力的个体分类器被证明是适合作为一个模式分类器。所提出的算法进行了测试,从G-偶联蛋白受体数据库的数据,并显示出良好的准确性为83%。该系统具有普遍适用性,可用于解决基因组学和蛋白质组学中的问题。
2007-04-25 cs.AI q-bio.QM
Fast and Interpretable Protein Substructure Alignment via Optimal Transport
Shanghai Jiao Tong University(上海交通大学);University of Cambridge(剑桥大学)
本文提出PLASMA框架,通过最优传输解决蛋白质局部结构对齐问题,实现高效且可解释的残基级对齐,并通过实验验证其准确性与实用性。
2026-04-09 cs.AI cs.LG q-bio.QM
Multi-level Protein Representation Learning for Blind Mutational Effect Prediction
East China University of Science and Technology(华东理工大学);Shanghai Jiao Tong University(上海交通大学)
针对现有自监督蛋白质语言模型无法解析结构空间特征的问题,提出级联序列与几何分析器的预训练框架,通过模拟自然选择评估突变效应,在多类突变预测任务上达到零样本方法的最优性能。
2023-06-08 cs.AI q-bio.QM
Augmenting adaptive immunity: progress and challenges in the quantitative engineering and analysis of adaptive immune receptor repertoires
适应性免疫系统是一种天然的诊断和治疗方法。它比临床症状表现更早地识别威胁,并以精确的特异性中和抗原。识别特异性和广泛的反应性是通过适应性B细胞和T细胞受体实现的:免疫受体库。然而,人类的免疫系统并非万能。我们的自然防御系统有时会输给寄生虫和微生物,甚至在癌症、自身免疫性疾病和炎症性疾病的情况下与我们作对。因此,免疫工程师的一个长期梦想是从机械上理解免疫系统如何看到,反应和记忆抗原。直到最近,实验和计算方法才取得了足够的定量分辨率,开始查询和工程适应性免疫具有很高的精度。具体而言,这些创新已在免疫治疗,自身免疫和疫苗设计中得到了最大的热情和成功。这里的工作突出了定量方法的进展,挑战和未来方向,这些方法旨在促进对免疫现象的基本理解,并对免疫系统进行逆向工程,以生产吉祥的生物制药药物和免疫诊断。我们的综述表明,基础免疫学,计算免疫学和数字生物技术的合并最大限度地减少了黑盒工程,从而推进了免疫学知识和免疫工程方法。
2019-04-09 q-bio.PE q-bio.QM
RadDiff: Retrieval-Augmented Denoising Diffusion for Protein Inverse Folding
National Key Laboratory for Novel Software Technology(国家新型软件技术重点实验室);School of Computer Science, Nanjing University(南京大学计算机科学学院)
RadDiff通过引入检索增强机制和知识感知扩散模型,提升蛋白质逆折叠的序列恢复率和可折叠性。
2026-03-09 cs.AI q-bio.QM