返回
ProtNote: a multimodal method for protein-function annotation
DOI:10.1093/bioinformatics/btaf170.png)
摘要
En 中文
动机 理解蛋白质序列-功能关系对于推动蛋白质生物学和蛋白质工程的发展至关重要。然而,仅有<1%的已知蛋白质序列具有经过人工验证的功能。尽管深度学习方法已在蛋白质功能预测方面显示出潜力,但当前模型仅限于预测它们所训练的功能。结果 在此,我们介绍了ProtNote,一种利用自由文本的多模态深度学习模型,以实现监督学习和零样本蛋白质功能预测。ProtNote不仅在其训练集的注释上保持了接近当前最佳的性能,还能在零样本测试设置中推广到未见过的和新型功能。通过捕捉精细的序列-功能关系,ProtNote在预测新型基因本体论注释和酶学委员会编号方面表现出优于基线模型的性能,从而解锁了先前模型无法访问的一系列生物学应用场景。我们设想,ProtNote将通过使科学家能够使用不受预定义标签限制的自由文本输入,来增强蛋白质功能发现——这是应对蛋白质生物学动态发展的必要能力。可用性与实现 代码可在GitHub上获取:https://github.com/microsoft/protnote;模型权重、数据集和评估指标通过Zenodo提供:https://zenodo.org/records/13897920。
Keyword:
MODELS
期刊
IF:
5.4
论文数:
1.4K
被引数:
17.9W
机构
引用论文
Fine-tuning protein language models boosts predictions across diverse tasks微调蛋白质语言模型可提高跨不同任务的预测
NATURE COMMUNICATIONS
IF15.7
ExPASy: the proteomics server for in-depth protein knowledge and analysisExPASy: 用于深入蛋白质知识和分析的蛋白质组学服务器
NUCLEIC ACIDS RESEARCH
IF13.1
Proteins in Synthetic Biology with Agricultural and Environmental Applications合成生物学中具有农业和环境应用前景的蛋白质
SynBio
IF0

