相关实验视频
Updated: Jul 20, 2026
09:27
Protein Crystallization for X-ray Crystallography
Published on: January 16, 2011
63.4K
对蛋白质结晶的蛋白质语言模型进行基准测试
Raghvendra Mall1, Rahul Kaushik2, Zachary A Martinez3
1Biotechnology Research Center, Technology Innovation Institute, P.O. Box 9639, Abu Dhabi, United Arab Emirates. raghvendra.mall@tii.ae.
Scientific reports
|January 18, 2025
概括
我们对开放的蛋白质语言模型 (PLMs) 进行了基准测试,以预测蛋白质结晶. 嵌入ESM2模型显著提高了预测准确性,优于现有方法,并允许设计新的可结晶蛋白质.
科学领域:
- 结构生物学 结构生物学
- 计算生物学 计算生物学
- 机器学习 机器学习
背景情况:
- 蛋白质结构的确定对于理解功能至关重要,通常依赖于X射线晶体学.
- 目前正在开发in silico方法,特别是深度学习,以从序列中预测蛋白质结晶倾向,解决实验限制.
- 蛋白语言模型 (PLM) 为学习基于序列的表示提供了一个强大的方法.
研究的目的:
- 为了对开放蛋白语言模型 (PLMs) 的性能进行基准测试,以预测蛋白质结晶倾向.
- 为此任务确定最有效的PLM和机器学习分类器.
- 探索PLM在产生新型,可能结晶的蛋白质中的实用性.
主要方法:
- 在平均蛋白质嵌入上使用LightGBM/XGBoost分类器对各种开放的PLM (ESM2,Ankh,ProtT5-XL,ProstT5,xTrimoPGLM,SaProt) 进行基准测试.
- 将基于PLM的方法与最新的基于序列的预测器 (DeepCrystal,ATTCrys,CLPred) 进行比较.
- 微调 ProtGPT2 模型以进行 de novo 蛋白质生成,然后进行多阶段过.
主要成果:
- 使用ESM2嵌入式的LightGBM分类器 (30/36层,150M/3B参数) 与所有其他测试模型相比,在多个指标 (AUPR,AUC,F1) 上显示出显著的性能增长 (高达3倍).
- 该研究确定了最有效的PLM来预测蛋白质结晶的结果.
- 通过精心调整的ProtGPT2模型和严格的过,成功设计和识别了五种新型,潜在的结晶蛋白.
结论:
- 开放的蛋白质语言模型,特别是ESM2,在预测蛋白质结晶倾向方面表现出卓越的性能.
- TRILL平台有效地使PLM用于这一关键任务的使用实现了民主化.
- 基于PLM的生成方法有望加速发现具有理想性质的新型蛋白质,例如结晶性.
