AI 與世界的難題 · 生命科學 · Nature (machine learning) · 2026-10-26
以隱式專家混合架構 ProBEiT 有效將結構資訊整合至蛋白質語言模型
原標題: Efficient structural information integration into protein language models with implicit mixture-of-experts ProBEiT
蛋白質語言模型能從序列預測功能與突變效應，但很少納入決定功能的結構資訊。作者提出 ProBEiT，採用具參數效率、使用確定性路由的隱式混合專家機制，聯合編碼胺基酸序列與標記化結構。該模型以 170 萬個 AlphaFoldDB 蛋白質訓練，參數量為 4 億，在六項適應度與功能註解任務上表現優於更大的基準模型，並在針對甘油-3-磷酸氧化酶的熱穩定性工程任務中，正確找出具有正向上位效應的最佳化變異體。