Белковые языковые модели: предсказание структуры и свойств белков
Краткое изложение авторской публикации врача в сообществе «Врачи РФ» от .
Автор материала объясняет, как языковые модели применяют к аминокислотным последовательностям и какие задачи решают белковые языковые модели (PLM). Модель обучают на последовательностях белков, рассматривая аминокислоты как токены; так она выявляет закономерности, связанные со структурой и функциями белков. Полученные представления помогают анализировать последовательность без явного множественного выравнивания и использовать знания, накопленные на других белках.
PLM применяют для предсказания структуры и функции белка, оценки участков связывания и проектирования новых последовательностей. Например, ESMFold предсказывает структуру белка на основе модели ESM2. Автор также отмечает ограничения: в описанном небольшом эксперименте ChatGPT не всегда справлялся с вопросами о свойствах веществ и функциях белков по последовательности. Подключение специализированных программ улучшало результаты, но чат-бот пока не заменяет экспертную оценку.
Главное
- Белковые языковые модели обучают на последовательностях белков, представленным как наборы аминокислот.
- PLM выявляют закономерности последовательностей, связанные со структурой и функциями белков.
- ESMFold использует модель ESM2 для предсказания структуры белка.
- В небольшом эксперименте ChatGPT не всегда правильно отвечал на вопросы о химических свойствах и функциях белков.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация