Aug, 2024

TourSynbio：用于连接文本和蛋白质序列的多模态大型模型与代理框架在蛋白质工程中的应用

HTML
PDF
TL;DR本研究解决了大语言模型在蛋白质工程中未充分利用其与自然语言的相似性的问题。提出的TourSynbio-7B模型无需外部蛋白编码器，能够内在理解蛋白质，从而提高了性能和模型的简便性。通过成功的蛋白质工程案例，展示了该模型及其代理的有效性和潜在影响。
发现论文，激发创造
  • ProGen: 蛋白质生成的语言建模

    利用1.2B的参数语言模型ProGen，将蛋白质工程视为无监督的序列生成问题，以此利用缺乏昂贵结构注释的蛋白质的日益增长的集合，从而生成出更具有进化多样性的序列，为解决合成生物学、医学和材料科学等领域的根本问题提供了可能。

    Mar, 2020

  • ProtTrans：通过自监督深度学习与高性能计算攻克生命密码的语言

    通过训练两个自回归模型和四个自编码器模型，使用生物信息数据培训出来的语言模型（Language Models）能够在低推断开销下完成新的前沿预测，例如使用蛋白LM -嵌入(ProtT5)能够在无需使用进化信息的情况下，成功地进行氨基酸序列每残基预测，并出现在这个 https URL。

    Jul, 2020

  • ProtFIM:基于蛋白质语言模型的填空中间蛋白质序列设计

    通过设计一个新的基准（SEIFER）来评估现有的蛋白质语言模型，研究显示，通过中间填充转换（ProtFIM）训练的语言模型更适合蛋白质工程，并能够产生良好的蛋白质表示。

    Mar, 2023

  • 利用全局生成模型探索蛋白质序列空间

    该研究总结了在蛋白质研究中使用语言模型的应用，包括设计新型人工蛋白质、使用非Transformer结构以及应用于定向进化方面。这些成果已经快速提升了蛋白质研究的发展和性能。

    May, 2023

  • 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

  • 赋予蛋白质语言模型结构知识

    利用蛋白质结构数据提升蛋白质语言模型的新框架，通过整合结构信息和结构提取模块，优化了预训练语言模型的自注意机制，此框架在蛋白质功能预测上表现优越，为蛋白质建模提供更有效和高效的方法。

    Jan, 2024

  • ProteinEngine: 通过领域知识强化 LLM 在蛋白工程中的应用

    ProteinEngine是一个人为中心的平台，通过API调用来集成相关工具、软件和包，分配任务、解决专业任务和有效沟通结果，验证了其在蛋白工程任务中提高深度学习可靠性和精确性的优越性，并展示了在未来蛋白工程研究中整合分散工具的潜力。

    Apr, 2024

  • 大型语言模型用于蛋白质理解的微调数据集和基准评估

    通过整合前期训练模型和预训练的语言模型，本研究提出了ProteinLMDataset数据集和ProteinLMBench基准数据集，用于提升大型语言模型在蛋白质序列理解方面的能力，并通过实验证明其在蛋白质理解能力方面超越了GPT-4。

    Jun, 2024

  • 利用大型语言模型设计蛋白质：增强和比较分析

    本研究解决了在蛋白质序列生成中可用数据有限的问题，通过重新训练包括Mistral-7B、Llama-2-7B、Llama-3-8B和gemma-7B在内的预训练大型语言模型，使其能够生成生物上合理的蛋白质结构。研究结果表明，即使在仅有42,000个独特人类蛋白质序列的数据集上，这些模型的表现与使用数百万蛋白质序列训练的专业模型相当，推动了计算生物学领域的透明度和合作。

    Aug, 2024

  • ProteinGPT：用于蛋白质属性预测和结构理解的多模态大型语言模型

    本研究针对传统蛋白质研究中存在的手动分析复杂且耗时的问题，提出了一种名为ProteinGPT的多模态蛋白质聊天系统。该系统通过整合蛋白质序列和结构编码器，结合大型语言模型，实现了对蛋白质的精确分析和响应问询，为用户提供了高效、准确的蛋白质分析解决方案。

    Aug, 2024