入选AAAI 2025！清华/伦敦大学学院等首创蛋白质-RNA语言模型融合方案，结合亲和力预测刷新SOTA
💡
原文中文，约5300字，阅读约需13分钟。
📝
内容提要
阿尔茨海默病等神经退行性疾病与蛋白质-RNA结合异常有关。研究者提出CoPRA模型，通过结合蛋白质和RNA的语言模型，预测结合亲和力，取得了优异的性能，推动了生物医学研究的进展。
🎯
关键要点
- 阿尔茨海默病等神经退行性疾病与蛋白质-RNA结合异常相关。
- 研究蛋白质-RNA结合对基因表达调控和疾病解析至关重要。
- CoPRA模型结合蛋白质和RNA语言模型，预测结合亲和力，性能优异。
- CoPRA模型在国际人工智能年会上获得广泛关注并入选口头报告。
- CoPRA模型首次将蛋白质语言模型与RNA语言模型结合用于结合亲和力预测。
- 研究人员整理了最大的蛋白质-RNA结合亲和力数据集，评估CoPRA性能。
- CLIP实验技术解析RNA结合蛋白在转录组上的结合图谱，但实验费时费力。
- 清华大学的研究团队开发了PrismNet，预测细胞内RBP动态结合。
- 多种计算方法被提出用于预测蛋白质-RNA结合亲和力，但存在局限性。
- CoPRA模型通过结构引导的多头自注意力融合序列和结构信息。
- CoPRA在多个数据集上表现最佳，显示出结合预训练单模态LMs的潜力。
- CoPRA在预测突变对结合亲和力影响方面表现优越，泛化能力强。
- 多模态学习为蛋白质科学提供新思路，结合不同类型数据进行建模。
- 新颖的多模态特征提取框架在药物研发中取得最先进性能。
- EvoLLama框架将蛋白质结构编码器、序列编码器与大语言模型融合，展现强大泛化能力。
❓
延伸问答
CoPRA模型的主要创新点是什么？
CoPRA模型首次将蛋白质语言模型与RNA语言模型结合，用于蛋白质-RNA结合亲和力预测。
CoPRA模型在预测结合亲和力方面的表现如何？
CoPRA在多个数据集上表现最佳，尤其在PRA310数据集上达到了最先进的性能。
蛋白质-RNA结合异常与哪些疾病相关？
蛋白质-RNA结合异常与阿尔茨海默病、帕金森病和癫痫等神经退行性疾病相关。
多模态学习在蛋白质科学中的应用有哪些？
多模态学习结合不同类型数据进行建模，为蛋白质功能、结构和性质的理解提供新思路。
CoPRA模型如何处理结构信息？
CoPRA通过结构引导的多头自注意力融合序列和结构信息，形成结构-序列融合模块。
研究人员如何评估CoPRA模型的性能？
研究人员整理了最大的蛋白质-RNA结合亲和力数据集，并在多个数据集上进行评估。
➡️
