SymFold：协同演化与结构先验，实现准确的蛋白质逆折叠

蛋白质反向折叠旨在恢复给定 3D 蛋白质结构的氨基酸序列，为酶工程和药物发现等广泛应用提供基础。当前的方法通常遵循串行管道，其中结构编码器预测粗序列，然后通过蛋白质语言模型 (PLM) 进行细化。然而，由于 PLM 只执行事后序列编辑，因此细化受到上游预测质量的限制。得益于最近的多模态蛋白质语言模型 (MPLM)，我们可以直接编码结构以生成具有预训练结构知识的序列，但我们观察到它们对于反向折叠并不有效。因此，我们引入了一种对称双路径架构，既利用 PLM 进行预训练的序列进化知识，又利用 MPLM 进行预训练的结构知识，以迭代指导蛋白质序列生成。通过标准蛋白质反向折叠基准的广泛实验，我们的方法实现了最先进的性能，超越了先前的方法，消融研究验证了我们对称设计的基本原理，为社区揭示了一个有希望的方向。