EvoIF 把同源序列和逆折叠信号结合起来做蛋白质 fitness 预测
KevinKaichuang · x · 2026-07-24
这条帖子讨论的是 蛋白质 fitness 预测 的方法问题。
- 转发观点认为，单靠进化数据去做 zero-shot fitness prediction 是有局限的：模型最多只能知道某个序列“像不像自然界里可行”，但未必知道它对你真正关心的功能是否最优。
- 引用的论文介绍了 EvoIF：一个轻量级预测器，把两类信号结合起来——一类是从同家族同源序列提取的进化 profile，另一类是从 inverse folding logits 蒸馏出的跨家族结构进化信号。
- 论文还给出一个解释框架：MLM 之所以对零样本 fitness 预测有效，可能是因为自然进化可被视为一种隐式 reward maximization，而现存序列像是“专家示范”。
所属事件:EvoIF 模型提升蛋白质预测效率(2 条相关)→
「研究」频道最新
- Kimi K3 在网络安全上很强，但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- 5090 本地测试：80k 上下文下 Qwen Q6 速度掉到 15 tok/s — LFAdvice7984 · 2026-07-27
- Chollet 认为智能可能有硬上限，AI 进步会趋于边际递减 — binarybits · 2026-07-27
- 论文提出图拓扑可成为 AI Agent 核心框架 — theomitsa · 2026-07-27