使用 DPLM-Evo 构建蛋白质生成进化机

蛋白质是在生物物理和功能限制下逐渐进化而形成的。蛋白质语言模型从大规模序列中学习丰富的进化约束，并且基于离散扩散的蛋白质语言模型（例如 DPLM）对于理解和生成都有希望。然而，现有的 DPLM 通常依赖于掩模扩散，这与简单的生物直觉相矛盾：蛋白质通过累积编辑进化，而不是通过掩模出现。因此，这些框架缺乏替换和插入/删除 (indel) 操作的明确预训练目标，限制了优化式后期编辑和灵活的引导生成。为了解决这些限制，我们提出了 DPLM-Evo，这是一种进化离散扩散框架，可以明确预测去噪期间的替换、插入和删除操作。 DPLM-Evo 将上采样长度的潜在对齐空间与可变长度的观察序列空间解耦，这使得 indel 感知的生成变得易于处理。为了更好地使替换与真实的进化保持一致，我们进一步引入了上下文化的进化噪声内核，该内核可产生生物学信息、上下文相关的突变模式。在跨任务中，DPLM-Evo 提高了序列理解，并在单序列设置中在 ProteinGym 上实现了最先进的突变效应预测性能。它还可以实现可变长度的模拟进化，以及通过显式编辑轨迹对现有蛋白质进行后编辑/优化。