直播预告｜登Nature子刊！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针对蛋白质语言模型的小样本学习方法，能够在使用极少数湿实验数据的情况下提升突变效果预测性能。该方法通过元学习构建辅助任务、在辅助任务上训练蛋白质语言模型，并将其转移到目标任务上。该研究成果将在线直播中分享。
🎯
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，提升蛋白质语言模型的突变效果预测性能。
- 该方法通过元学习构建辅助任务，并在辅助任务上训练蛋白质语言模型。
- 研究成果将在9月25日的线上直播中分享，第一作者为周子宜博士。
- 蛋白质语言模型能够无监督学习氨基酸序列的分布特征，显示出在蛋白质功能预测中的潜力。
- 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。
- 该研究使用的蛋白质突变数据集包含约150万个错义变体。
- 观众可以了解PLM的基本原理及其在蛋白质工程中的应用。
- HyperAI超神经策划了「Meet AI4S」视频栏目，分享AI for Science领域的研究成果。
- HyperAI超神经联合电子工业出版社进行赠书活动，推广AI for Science相关知识。
➡️
