PFArena：面向蛋白质修饰的语言模型基准

蛋白质修饰需要在一个巨大的序列空间中导航，而湿实验验证通量低且成本高。尽管蛋白质语言模型（PLM）、大语言模型（LLM）与基于LLM的Agent等计算范式在蛋白质修饰上展现出前景，它们在现实实验决策场景中的相对成效仍不清楚。为弥合这一缺口，我们提出PFArena，一个包含四个受控任务接口的基准，覆盖单突变体生成与多突变体排序。通过提供不同水平的突变适应度数据，PFArena反映了以既有实验上下文程度不同为特征的四种代表性研究场景。我们使用互补的指标评估六个PLM、六个LLM与五个基于LLM的Agent，衡量峰值与整体蛋白质修饰性能。我们的评测显示，模型性能随目标特异性实验证据的可用性系统性变化：PLM凭借蛋白质特异性先验在开放式单突变体生成上表现出色，而LLM与Agent在多突变体排序上表现强劲，尤其是在有目标特异性适应度数据可用时。尽管如此，随着搜索空间规模与突变深度的增加，所有模型家族都面临根本性挑战。我们发布代码与基准套件，以促进模型辅助蛋白质修饰的可复现研究。