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 BV]
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.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

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
1秒前
2秒前
小蓝发布了新的文献求助10
2秒前
科研通AI5应助allen7u采纳,获得10
2秒前
完美世界应助单薄二娘采纳,获得10
2秒前
冯俊驰发布了新的文献求助10
2秒前
2秒前
李健应助zhangjianan采纳,获得10
2秒前
3秒前
赘婿应助科研通管家采纳,获得10
3秒前
3秒前
3秒前
桐桐应助科研通管家采纳,获得10
4秒前
Hello应助科研通管家采纳,获得10
4秒前
思源应助科研通管家采纳,获得10
4秒前
科研通AI2S应助科研通管家采纳,获得30
4秒前
乐乐应助科研通管家采纳,获得30
4秒前
科研通AI5应助科研通管家采纳,获得10
4秒前
浮游应助科研通管家采纳,获得10
4秒前
wswswsws应助科研通管家采纳,获得10
4秒前
Orange应助科研通管家采纳,获得10
4秒前
周鑫喆完成签到 ,获得积分10
4秒前
浮游应助科研通管家采纳,获得10
4秒前
科研通AI2S应助科研通管家采纳,获得30
4秒前
顾矜应助科研通管家采纳,获得10
4秒前
加菲丰丰应助科研通管家采纳,获得10
4秒前
科研通AI6应助科研通管家采纳,获得10
4秒前
大模型应助yeandpeng采纳,获得10
6秒前
赘婿应助小超采纳,获得10
7秒前
oooiilikk发布了新的文献求助10
7秒前
Mxaxxxx发布了新的文献求助10
7秒前
Lucas应助小房子采纳,获得10
8秒前
科研通AI5应助王迪采纳,获得30
8秒前
田様应助Hikah采纳,获得10
8秒前
彭于晏应助整齐凌萱采纳,获得10
8秒前
10秒前
10秒前
10秒前
12秒前
沉静盼山完成签到,获得积分10
13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
NMR in Plants and Soils: New Developments in Time-domain NMR and Imaging 600
Electrochemistry: Volume 17 600
Physical Chemistry: How Chemistry Works 500
SOLUTIONS Adhesive restoration techniques restorative and integrated surgical procedures 500
Energy-Size Reduction Relationships In Comminution 500
Principles Of Comminution, I-Size Distribution And Surface Calculations 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 内科学 生物化学 物理 计算机科学 纳米技术 遗传学 基因 复合材料 化学工程 物理化学 病理 催化作用 免疫学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 4950785
求助须知:如何正确求助?哪些是违规求助? 4213480
关于积分的说明 13104665
捐赠科研通 3995409
什么是DOI,文献DOI怎么找? 2186899
邀请新用户注册赠送积分活动 1202125
关于科研通互助平台的介绍 1115408