研究人员开发了 AgentPLM，这是一种新颖的蛋白质语言模型，旨在实现更有效的蛋白质序列设计。与一次性生成序列的传统模型不同，AgentPLM 通过一种称为推理增强解码的过程整合外部生物物理反馈。这使得模型能够咨询 ESMFold 和 FoldX 等工具，并通过对比剂策略优化学习何时使用此反馈。该模型通过展示在线纠错能力，在酶和抗体设计等各种蛋白质设计任务中表现出最先进的性能。 AI
影响 通过使模型能够整合外部反馈以提高准确性和纠错能力，增强了蛋白质设计能力。
排序理由 这是一篇描述用于蛋白质序列设计的新模型和新方法的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.02386v1 Announce Type: new Abstract: Protein language models (PLMs) are passive oracles: they generate sequences in a single forward pass with no mechanism to consult external biophysical feedback or redirect generation when a candidate violates thermodynamic or struct…
Protein language models (PLMs) are passive oracles: they generate sequences in a single forward pass with no mechanism to consult external biophysical feedback or redirect generation when a candidate violates thermodynamic or structural constraints. We introduce AgentPLM, which a…