💡
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
清华大学龚海鹏团队提出的GeoStab-suite模型套件，包括GeoFitness、GeoDDG和GeoDTm，能够有效预测蛋白质突变后的适应度、ΔΔG和ΔTm。通过几何学习和预训练策略，模型性能显著提升，GeoDDG和GeoDTm在基准测试中分别比其他方法高出30%和70%。该研究为蛋白质工程提供了重要工具。
🎯
关键要点
- 清华大学龚海鹏团队提出了GeoStab-suite模型套件，包括GeoFitness、GeoDDG和GeoDTm。
- GeoFitness用于预测蛋白质突变后的适应度得分，GeoDDG和GeoDTm分别用于预测ΔΔG和ΔTm。
- GeoFitness采用专门的损失函数，利用深度突变扫描数据库中的多标记适应度数据进行训练。
- 预训练策略与数据扩展相结合，显著提高了模型性能和通用性。
- 在基准测试中，GeoDDG和GeoDTm的性能分别比其他方法高出至少30%和70%。
- 蛋白质适应度是蛋白质发挥特定功能的能力，主要通过ΔG和Tm来评估蛋白质稳定性。
- GeoStab套件包含三个模型，采用图注意神经网络架构进行预测。
- GeoDDG和GeoDTm分别使用依赖于实验结构和仅依赖序列信息的版本进行训练。
- 研究人员建立了GeoStab-suite的Web服务器，为蛋白质科学研究提供工具。
➡️
