蛋白质突变工程 AI 模型评测新基准，上海交大洪亮教授团队发布 VenusMutHub
💡
原文中文，约3500字，阅读约需9分钟。
📝
内容提要
上海交通大学洪亮教授团队推出了VenusMutHub，这是首个针对真实应用场景的蛋白质突变小样本数据集，并提出了评测标准。该研究克服了现有高通量数据集的局限性，为蛋白质工程提供实用指导，推动了蛋白质功能预测的发展。
🎯
关键要点
- 上海交通大学洪亮教授团队推出了VenusMutHub，这是首个针对真实应用场景的蛋白质突变小样本数据集。
- VenusMutHub提出了蛋白质功能零样本预测评测标准，克服了现有高通量数据集的局限性。
- 蛋白质工程是现代生物技术的核心，广泛应用于工业酶和药物开发，但实验发现成本高且周期长。
- 当前AI模型的评测标准主要依赖高通量突变实验数据集，存在测量精度不足和选择偏向等问题。
- VenusMutHub整理了905个真实应用场景的小样本实验突变数据集，确保评估准确性。
- 研究测试了23种前沿计算模型，揭示了模型在不同功能预测中的表现特点与不足。
- 小样本数据集的评估结果更真实，相关系数更接近已发表的科学工作。
- VenusMutHub为蛋白质工程研究人员提供实用指导，帮助选择最佳预测模型。
- 未来研究应聚焦整合蛋白质-配体对接模拟和开发处理蛋白质与底物信息的架构。
- 大模型在单点突变预测中展现潜力，但在实际应用中仍面临发现优质突变位点和克服上位效应的挑战。
❓
延伸问答
VenusMutHub是什么？
VenusMutHub是首个针对真实应用场景的蛋白质突变小样本数据集，旨在提供蛋白质功能零样本预测的评测标准。
VenusMutHub如何克服现有高通量数据集的局限性？
VenusMutHub整理了905个真实应用场景的小样本实验突变数据，确保评估准确性，避免了高通量数据集的选择偏向和测量精度不足的问题。
VenusMutHub对蛋白质工程研究人员有什么帮助？
VenusMutHub为研究人员提供实用指导，帮助他们根据目标特性选择最佳预测模型，加速设计流程。
研究中测试了多少种计算模型？
研究测试了23种前沿计算模型，包括AI和非AI模型。
小样本数据集的评估结果与高通量数据集有何不同？
小样本数据集的评估结果更真实，相关系数约为0.2-0.3，而高通量数据集的相关系数高达0.5，后者明显偏高。
未来的研究方向是什么？
未来研究应聚焦整合蛋白质-配体对接模拟、引入立体化学特征及开发处理蛋白质与底物信息的架构。
➡️
