Boosting In-Silicon Directed Evolution with Fine-Tuned Protein Language Model and Tree Search
Created by
Haebom
Category
Empty
저자
Yaodong Yang, Yang Wang, Jinpeng Li, Pei Guo, Da Han, Guangyong Chen, Pheng-Ann Heng
개요
AlphaDE는 단백질 언어 모델을 활용하여 단백질 서열 변이를 통한 단백질 진화를 위한 새로운 프레임워크입니다. 사전 훈련된 단백질 언어 모델을 관심 있는 단백질 클래스에 대한 유사 단백질 서열에 대한 마스크된 언어 모델링을 사용하여 미세 조정하여 진화적 타당성을 활성화합니다. AlphaDE는 몬테 카를로 트리 탐색을 기반으로 하는 테스트 시간 추론을 도입하여 미세 조정된 단백질 언어 모델의 진화적 지침으로 단백질을 효과적으로 진화시킵니다. 광범위한 벤치마크 실험을 통해 AlphaDE는 소수의 샷 미세 조정으로도 이전 최고 성능의 방법들을 능가합니다. 또한, 흥미로운 사례 연구를 통해 AlphaDE가 계산적 진화를 통해 단백질 서열 공간을 압축하는 것을 지원함을 보여줍니다.
시사점, 한계점
•
단백질 언어 모델을 활용하여 단백질 진화를 위한 새로운 프레임워크 제시.
•
몬테 카를로 트리 탐색을 활용한 효과적인 단백질 진화 방법론 제시.
•
소수의 샷 미세 조정으로도 기존 SOTA 방법들을 능가하는 우수한 성능 입증.
•
계산적 진화를 통해 단백질 서열 공간 압축 가능성 제시.
•
본 논문에서는 AlphaDE의 구체적인 구현 세부 사항이나 특정 단백질 클래스에 대한 적용 범위에 대한 한계가 있을 수 있음.
