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
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，用于提升蛋白质突变效果预测性能。该方法已成功应用于Phi29 DNA聚合酶的工程改造。周子宜博士将在9月25日的线上直播中分享该方法的应用。
延伸解读
小样本学习如何降低蛋白质工程的数据门槛
传统蛋白质语言模型通常需要大量湿实验数据微调才能达到较高精度，而FSFP方法仅需数十个训练样本即可显著提升突变效果预测性能。这意味着在实验成本高、数据获取困难的蛋白质工程场景中，研究者可以更快启动迭代，减少对大规模数据集的依赖，从而加速定向进化进程。
FSFP的三阶段设计：从元学习到排序迁移
FSFP通过构建辅助任务、在辅助任务上元训练PLMs、再将PLMs迁移到目标任务三个阶段实现小样本学习。其中采用ListMLE损失学习突变适应度排名，在每次迭代中修正预测排列。这种设计将排序学习贯穿元训练和迁移阶段，使模型能更好地捕捉突变之间的相对优劣，而非仅拟合绝对数值。
ProteinGym基准上的性能表现与评估维度
研究选用ProteinGym作为基准数据集，包含来自87个DMS实验的约150万个错义变体。评估显示，FSFP训练的PLMs在所有训练数据规模上均优于其他基线，且在外推性能评估中Spearman相关性更优。这表明该方法不仅在训练分布内有效，在预测未见突变时也具备更好的泛化能力。
从基准到实际应用：Phi29 DNA聚合酶改造
FSFP已成功应用于Phi29 DNA聚合酶的工程改造，显著提升了阳性率。这一案例说明小样本学习方法不仅停留在基准测试层面，还能在真实蛋白质工程任务中产生实际效果。对于从事酶工程或定向进化的研究者，该方法提供了一条在有限实验数据下借助AI辅助优化的可行路径。
Q&A
什么是小样本学习方法？
小样本学习方法是一种在使用极少数实验数据的情况下，显著提升传统模型预测性能的技术。
FSFP方法的主要步骤是什么？
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方法在蛋白质工程中的应用效果如何？
FSFP方法成功应用于Phi29 DNA聚合酶的工程改造，显著提升了阳性率。
周子宜博士将在直播中分享什么内容？
周子宜博士将在直播中分享蛋白质语言模型的小样本学习方法及其应用。
ProteinGym数据集的特点是什么？
ProteinGym数据集包含约150万个错义变体，来自87个DMS测序实验，是FSFP方法的基准测试数据集。
上海交通大学洪亮课题组的研究方向是什么？
该课题组的研究方向主要包括AI蛋白和药物设计、分子生物物理等领域。
