LC-SEPLM

新方法通过3D接触监督增强蛋白质语言模型

研究人员开发了LC-SEPLM，一种通过整合长程接触监督来增强蛋白质表示学习的新方法。这种适应性方法应用于使用LoRA的ESM2模型，明确训练模型识别三维残基接触，这是仅序列模型无法直接捕捉的特征。通过在大量AlphaFold预测的蛋白质结构数据集上进行训练，LC-SEPLM在八项蛋白质级别任务上表现出显著的改进，尤其提高了远程同源性识别能力，并优于现有基准。