2024年7月5日，来自美国斯坦福大学的研究人员在Science上发表研究Unsupervised evolution of protein and antibody complexes with a structure-informed language model。本文介绍了一种利用蛋白质结构骨架坐标增强的通用蛋白质语言模型（ESM-IF1），该模型展示了在无监督条件下指导蛋白质进化的能力，并在针对SARS-CoV-2病毒的治疗性抗体优化中取得了显著成果。该模型考虑的是最近许多功能强大的结构预测工具（包括AlphaFold和ESMFold）所执行任务的逆任务：根据目标结构预测序列。其方法是根据氨基酸序列（称为自回归模型）和整个结构的骨架坐标预测氨基酸的特征。因此，被结构信息语言模型赋予高似然比分数的序列有望以高置信度折叠到输入结构的骨架中。
发自「今日水木 on 23013RK75C」
--
FROM 59.41.66.*