学术分享｜无惧数据匮乏！上海交大博士后周子宜详解蛋白质语言模型的小样本学习方法 FSFP...
💡
原文中文，约2800字，阅读约需7分钟。
📝
内容提要
上海交通大学研究团队开发了一种小样本学习方法，能够提升蛋白质突变效果预测性能。该方法通过元学习构建辅助任务并训练蛋白质语言模型，成功将其转移到目标任务上。研究成果将在线上直播中分享。
🎯
关键要点
- 上海交通大学研究团队开发了一种小样本学习方法，提升蛋白质突变效果预测性能。
- 该方法通过元学习构建辅助任务并训练蛋白质语言模型，成功转移到目标任务上。
- 预训练蛋白质语言模型能够无监督学习氨基酸序列的分布特征，揭示蛋白质序列与功能的关系。
- FSFP方法包含三个阶段：构建辅助任务、在辅助任务上训练PLMs、将PLMs转移到目标任务。
- FSFP方法在平均性能和外推性能评估中均优于其他基线，成功应用于Phi29 DNA聚合酶的工程改造。
- 直播活动将分享PLM的基本原理及其在蛋白质工程中的应用，探讨AI辅助下的定向进化新思路。
- 上海交通大学洪亮课题组专注于AI蛋白和药物设计，已发表多篇高水平研究论文。
- HyperAI超神经策划了「Meet AI4S」系列直播，分享AI for Science的最新科研成果。
➡️
