20个实验数据创造AI蛋白质里程碑！上海交大联合上海AI Lab发布FSFP，有效优化蛋白质预训练模型
原文中文，约5500字，阅读约需14分钟。发表于：。与零样本预测相比，FSFP 在仅使用 20 个训练示例的情况下，通过提高 PLMs 在单突变体上的 Spearman 相关性的性能，使单突变体的性能提高了近 0.1，当涉及到多突变体时，这种差距变得更大。该方法首先检索现有的标记突变数据集（labeled mutant datasets），从目前最大的 DMS 数据集公共集合...
上海交通大学研究团队开发了一种名为FSFP的训练策略，可在数据匮乏情况下优化蛋白质语言模型。该方法利用元迁移学习、排序学习和参数微调，提高了蛋白质突变-性质预测的效果。研究结果发表在Nature Communications上。该研究还使用FSFP设计了Phi29 DNA聚合酶，提高了阳性率。该方法在小样本学习任务中具有显著优势，并在多个基础模型上成功应用。
