ProLLM: 蛋白链思路增强 LLM 用于蛋白质相互作用预测

Mar, 2024

ProLLM: 蛋白链思路增强 LLM 用于蛋白质相互作用预测

ProLLM: Protein Chain-of-Thoughts Enhanced LLM for Protein-Protein Interaction Prediction

Mingyu Jin, Haochen Xue, Zhenting Wang, Boming Kang, Ruosong Ye...

TL;DR蛋白质 - 蛋白质相互作用的预测对于理解生物功能和疾病发展至关重要，本文介绍了一种基于大型语言模型的新框架 ProLLM，利用 ProCoT 蛋白质推理过程作为自然语言提示，通过结构化数据和自然语言的映射，实现了有效的间接连接蛋白质的预测，从上游到下游追踪蛋白质间的生物信号传递路径。

Abstract

The prediction of protein-protein interactions (PPIs) is crucial for understanding biological functions and diseases. Previous machine learning approaches to PPI prediction mainly focus on direct physical interac

protein-protein interactions machine learning large language models prollm framework procot protein reasoning

发现论文，激发创造

ProtLLM：一种蛋白质与语言相互交织的蛋白质语言模型，以蛋白质作为词的预训练

我们提出了 ProtLLM，这是一个通用的跨模态大语言模型，用于蛋白质中心和蛋白质语言任务。ProtLLM 具有独特的动态蛋白质装配机制，能够处理自然语言文本与任意数量的蛋白质交织在一起的复杂输入。此外，我们提出了基于蛋白质作为单词的语言建模方法来训练 ProtLLM。通过开发专门的蛋白质词汇表，我们使模型能够从大量候选项中预测不仅自然语言，还包括蛋白质。另外，我们构建了一个大规模的交织蛋白质 - 文本数据集，名为 InterPT，用于预训练。该数据集全面包含蛋白质注释等结构化数据源和生物研究论文等非结构化数据源，从而赋予 ProtLLM 理解蛋白质的重要知识。我们在经典的监督蛋白质中心任务上评估了 ProtLLM，并探索了其新颖的蛋白质语言应用。实验证明，ProtLLM 不仅在蛋白质中心任务上表现出卓越性能，并且在蛋白质语言任务上具有零 - shot 和上下文学习能力。

Feb, 2024

蛋白质语言模型与结构预测：联系与进展

本文系统地概述了蛋白质语言模型在蛋白质结构预测中的应用和方法，介绍了网络架构、预训练策略、常用蛋白质数据库等方面的最新进展和挑战，并展望了未来发展方向。

Nov, 2022

MolTC: 语言模型中的分子关系建模

该研究提出了一个基于 LLMs 的多模态框架 MolTC，以图像化信息为基础，实现了统一的分子间相互作用预测，并进行了包括 400 万分子对的多数据集实验，证明了该方法在基于 GNN 和 LLM 的基准测试中的优越性。

Feb, 2024

InstructProtein: 通过知识指导对齐人类和蛋白质语言

InstructProtein 是一种具备双向生成能力的语言模型，用于预测蛋白质的功能描述并通过自然语言促使蛋白质序列生成，通过预训练和基于知识图谱的指导数据生成框架，解决了蛋白质序列理解和人类语言理解之间的差距。

Oct, 2023

ProtChatGPT: 面向理解蛋白质的大型语言模型

ProtChatGPT 通过自然语言学习和理解蛋白质结构，使用户能够上传蛋白质、提问和进行互动对话以生成全面答案，为蛋白质研究提供了新的可能性。

Feb, 2024

基于远程标注和置信度校准的大规模蛋白质翻译后修饰抽取

在这项研究中，作者使用 IntAct PPI 数据库创建了一个远程监督的数据集，用 PPI-BioBERT-x10 训练集成的 BioBERT 模型来预测蛋白质对之间的 PTMs，并提出一个置信度校准的方法以对其进行过滤和人工筛选。他们发现，即使进行了置信度校准，也会出现在测试数据集外的误差和挑战。因此，他们利用多篇文章进行预测，从而提高了预测的精度和可靠性。这项研究探讨了深度学习方法在文本挖掘中的应用和局限性，同时强调了在人工筛选过程中置信度校准的重要性。

Jan, 2022

蛋白质突变影响预测的多级交互建模

通过自我监督的多层预训练框架 ProMIM，全面捕获三个层级的蛋白质相互作用，该框架在标准基准测试中表现优异，特别是在可能导致蛋白质背骨构象显著变化的突变上，还能进行零样本评估，显示了其作为新一代强大的药物开发工具在 SARS-CoV-2 突变效应预测和抗体优化方面的潜力。

May, 2024

ProCoT: 通过与大型语言模型的互动激发学生的批判性思维和写作能力

介绍了一种名为 Probing Chain of Thought（ProCoT）的新型写作方法，可在防止学生利用大型语言模型（LLM）作弊的同时，通过这些模型增强他们的主动学习。研究发现，ProCoT 可激发学生的创造性 / 批判性思维和写作能力，并可防止作弊，同时揭示了现有 LLM 的局限性。

Dec, 2023

利用基于注意力的关系上下文信息从生物医学文献中提取蛋白质相互作用（PPIs）

通过多源蛋白质相互作用数据集，利用基于 Transformer 的深度学习方法改善关系提取表现，从而协助理解生物系统中的疾病发展、基因 / 蛋白质功能和生物过程。

Mar, 2024

利用 PPI 检索进行高效的蛋白质相互作用研究

利用已有的蛋白质相互作用数据，在嵌入空间中有效搜索潜在的蛋白质相互作用，并在形成蛋白质复合物的过程中，有效地识别潜在的结合伴侣以及其相应的结合位点。

Feb, 2024