用于蛋白质序列设计的大语言模型智能体群及其实验验证 开放获取

《Digital Discovery》:Swarms of Large Language Model Agents for Protein Sequence Design with Experimental ValidationOpen Access

【字体: 大 中 小 】 时间:2026年08月27日 来源:Digital Discovery 7.1

编辑推荐:

   打开图形查看器 从头设计具有定制结构、物理化学和功能特性的蛋白质仍然是一个巨大的挑战,这是由于序列空间的

  

从头设计具有定制结构、物理化学和功能特性的蛋白质仍然是一个巨大的挑战,这是由于序列空间的广阔性以及序列、结构和功能之间复杂的耦合关系。当前的生成方法,包括蛋白质语言模型和基于扩散的架构,通常需要进行广泛的微调、特定任务数据或模型重新配置以支持目标导向的设计,这限制了它们的灵活性和可扩展性。为了克服这些限制,我们提出了一种受群体智能启发的去中心化、多智能体框架,其中多个 LLM 智能体并行操作,每个智能体被分配到特定的残基位置。这些智能体通过整合物设计目标、局部邻域交互、记忆以及来自先前迭代的结构反馈,迭代地提出感知上下文的突变。这种去中心化的协调使得能够在不依赖基序支架或多序列比对的情况下,涌现出设计多样的、定义明确的序列。该框架不需要特定任务的训练或微调,在几个 GPU 小时内完成迭代设计过程,并产生跨越生物学上合理且以前未探索的序列空间区域的序列。我们使用圆二色光谱实验验证了设计的序列,确认了α螺旋序列和无规卷曲序列在溶液中各自采用了预期的二级结构。通过对序列和结构空间的分析,我们证明该框架有效地导航了蛋白质适应性景观,并生成了超越当前方法所能及的序列。我们的方法提供了一个用于目标导向蛋白质设计的通用、无需训练的框架,证明了去中心化的群体智能体可以协同解决复杂的设计问题。

本文根据 知识共享署名 - 非商业性使用 4.0 未移植许可协议 授权。您可以在其他出版物中使用本文中的材料,无需向 RSC 请求进一步许可,前提是给出正确的承认且未用于商业目的。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号