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
hhh完成签到,获得积分10
刚刚
刚刚
1秒前
1秒前
1秒前
2秒前
2秒前
YaHaa发布了新的文献求助10
2秒前
健忘的自行车完成签到,获得积分20
2秒前
dreamer1989发布了新的文献求助10
3秒前
沉静梦曼完成签到 ,获得积分10
3秒前
安屿完成签到 ,获得积分10
4秒前
归仔完成签到,获得积分10
4秒前
4秒前
Orange应助李丽采纳,获得10
5秒前
认真初之发布了新的文献求助30
5秒前
王大力完成签到,获得积分10
5秒前
传奇3应助务实雪珍采纳,获得10
5秒前
刘丰铭发布了新的文献求助10
6秒前
1234完成签到,获得积分10
6秒前
BowieHuang应助震动的高烽采纳,获得10
6秒前
6秒前
自然黄豆发布了新的文献求助10
6秒前
555完成签到,获得积分20
6秒前
完美世界应助喜悦一德采纳,获得10
6秒前
yqsf789发布了新的文献求助10
6秒前
洪亭完成签到 ,获得积分10
7秒前
左左蕊完成签到 ,获得积分10
7秒前
嘉博学长完成签到,获得积分10
8秒前
8秒前
量子星尘发布了新的文献求助10
8秒前
8秒前
万能图书馆应助edtaa采纳,获得10
8秒前
8秒前
斯文败类应助Leon采纳,获得10
9秒前
wenchong完成签到,获得积分10
9秒前
9秒前
个性小熊猫完成签到,获得积分10
10秒前
David123发布了新的文献求助10
10秒前
土土完成签到 ,获得积分10
11秒前
高分求助中
(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
Basic And Clinical Science Course 2025-2026 3000
Encyclopedia of Agriculture and Food Systems Third Edition 2000
人脑智能与人工智能 1000
花の香りの秘密―遺伝子情報から機能性まで 800
Principles of Plasma Discharges and Materials Processing, 3rd Edition 400
Pharmacology for Chemists: Drug Discovery in Context 400
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 5608504
求助须知:如何正确求助?哪些是违规求助? 4693127
关于积分的说明 14876947
捐赠科研通 4717761
什么是DOI,文献DOI怎么找? 2544250
邀请新用户注册赠送积分活动 1509316
关于科研通互助平台的介绍 1472836