L'IA face aux grands problèmes du monde · Sciences du vivant · Nature (machine learning) · 2026-10-26
Intégration efficace d'informations structurales dans les modèles de langage de protéines avec ProBEiT, un mélange d'experts implicite
Titre original: Efficient structural information integration into protein language models with implicit mixture-of-experts ProBEiT
Les modèles de langage de protéines peuvent prédire la fonction et les effets des mutations à partir de la séquence, mais rares sont ceux qui intègrent l'information structurale qui détermine la fonction. Les auteurs proposent ProBEiT, qui encode conjointement les séquences d'acides aminés et les structures tokenisées à l'aide d'un schéma de mélange d'experts implicite, économe en paramètres, avec un routage déterministe. Entraîné sur 1,7 million de protéines d'AlphaFoldDB, le modèle de 400 millions de paramètres surpasse des modèles de référence plus grands sur six tâches d'annotation de fitness et d'annotation fonctionnelle, et identifie correctement des variants optimisés présentant des effets épistatiques positifs dans une tâche d'ingénierie de la thermostabilité sur la glycérol-3-phosphate oxydase.