IXThinker·2025-01-24 10:30

祖先序列重建助訓練蛋白質語言模型 降低成本

蛋白質語言模型（PLM）規模龐大、訓練成本高，澳洲國立大學團隊改以多重祖先序列重建生成小型功能聚焦數據集，訓練出的模型預測準確度反而更高，論文發表於《自然·機器智能》。

現有瓶頸

PLM將氨基酸序列轉換為數值表徵供機器學習使用，但許多模型規模超過6億參數，需在廣闊的蛋白質序列空間上訓練，在預測準確性與計算成本方面存在局限，限制了更廣泛的科研應用。