ProGen2: Exploring the boundaries of protein language models

计算机科学 剧目 一套 蛋白质测序 序列(生物学) 语言模型 过程(计算) 人工智能 数据科学 机器学习 生物 程序设计语言 遗传学 肽序列 物理 考古 基因 声学 历史
作者
Erik Nijkamp,Jeffrey A. Ruffolo,Eli N. Weinstein,Nikhil Naik,Ali Madani
出处
期刊:Cell systems [Elsevier]
卷期号:14 (11): 968-978.e3 被引量:120
标识
DOI:10.1016/j.cels.2023.10.002
摘要

Attention-based models trained on protein sequences have demonstrated incredible success at classification and generation tasks relevant for artificial-intelligence-driven protein design. However, we lack a sufficient understanding of how very large-scale models and data play a role in effective protein model development. We introduce a suite of protein language models, named ProGen2, that are scaled up to 6.4B parameters and trained on different sequence datasets drawn from over a billion proteins from genomic, metagenomic, and immune repertoire databases. ProGen2 models show state-of-the-art performance in capturing the distribution of observed evolutionary sequences, generating novel viable sequences, and predicting protein fitness without additional fine-tuning. As large model sizes and raw numbers of protein sequences continue to become more widely accessible, our results suggest that a growing emphasis needs to be placed on the data distribution provided to a protein sequence model. Our models and code are open sourced for widespread adoption in protein engineering. A record of this paper’s Transparent Peer Review process is included in the supplemental information.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
1sunpf完成签到,获得积分10
刚刚
spf完成签到,获得积分0
刚刚
刻苦的三问完成签到,获得积分10
1秒前
胡思完成签到,获得积分10
1秒前
合法合规完成签到,获得积分10
1秒前
大方雪卉完成签到,获得积分10
3秒前
3秒前
看文献的高光谱完成签到,获得积分10
3秒前
量子星尘发布了新的文献求助10
4秒前
ram999完成签到,获得积分10
4秒前
贪玩的月光完成签到 ,获得积分20
4秒前
lll完成签到,获得积分20
4秒前
天天快乐应助czz采纳,获得10
4秒前
善学以致用应助小白采纳,获得10
4秒前
5秒前
ZhangChulun发布了新的文献求助10
5秒前
周于琳完成签到,获得积分10
5秒前
jucy完成签到,获得积分10
6秒前
lingyansun完成签到 ,获得积分10
6秒前
山岚完成签到,获得积分10
7秒前
陶醉的小海豚完成签到,获得积分10
8秒前
英俊的铭应助Bailey采纳,获得10
9秒前
无奈醉柳完成签到,获得积分10
9秒前
9秒前
mtfx完成签到 ,获得积分10
10秒前
gloval发布了新的文献求助10
10秒前
超大鹅完成签到,获得积分10
11秒前
11秒前
周于琳发布了新的文献求助10
11秒前
Alpha完成签到,获得积分10
11秒前
keyan完成签到,获得积分10
12秒前
mcnt发布了新的文献求助50
12秒前
Lingkoi发布了新的文献求助10
12秒前
英俊的铭应助denty采纳,获得10
12秒前
琦琦完成签到 ,获得积分10
12秒前
1111完成签到,获得积分10
12秒前
13秒前
千千完成签到,获得积分10
13秒前
对白完成签到,获得积分10
13秒前
高分求助中
2025-2031全球及中国金刚石触媒粉行业研究及十五五规划分析报告 12000
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
The Cambridge History of China: Volume 4, Sui and T'ang China, 589–906 AD, Part Two 1000
The Composition and Relative Chronology of Dynasties 16 and 17 in Egypt 1000
Russian Foreign Policy: Change and Continuity 800
Real World Research, 5th Edition 800
Qualitative Data Analysis with NVivo By Jenine Beekhuyzen, Pat Bazeley · 2024 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5698993
求助须知:如何正确求助?哪些是违规求助? 5128246
关于积分的说明 15223758
捐赠科研通 4853988
什么是DOI,文献DOI怎么找? 2604401
邀请新用户注册赠送积分活动 1555903
关于科研通互助平台的介绍 1514243