KI und die schwierigen Probleme der Welt · Lebenswissenschaften · Nature (machine learning) · 2026-10-26
Effiziente Integration von Strukturinformationen in Protein-Sprachmodelle mit dem impliziten Mixture-of-Experts-Ansatz ProBEiT
Originaltitel: Efficient structural information integration into protein language models with implicit mixture-of-experts ProBEiT
Protein-Sprachmodelle können Funktion und Mutationseffekte anhand der Sequenz vorhersagen, doch nur wenige berücksichtigen die strukturellen Informationen, die die Funktion bestimmen. Die Autorinnen und Autoren stellen ProBEiT vor, das Aminosäuresequenzen und tokenisierte Strukturen gemeinsam kodiert, und zwar mit einem parameter-effizienten impliziten Mixture-of-Experts-Verfahren mit deterministischem Routing. Das auf 1,7 Millionen AlphaFoldDB-Proteinen trainierte Modell mit 400 Millionen Parametern übertrifft größere Baselines bei sechs Aufgaben zu Fitness und funktioneller Annotation und identifiziert bei einer Aufgabe zur Thermostabilitäts-Optimierung der Glycerin-3-phosphat-Oxidase korrekt optimierte Varianten mit positiven epistatischen Effekten.