EvoIF 蛋白质预测模型：融合双重进化信号，算力消耗仅千分之一
BiologyAIDaily · x · 2026-07-22
推文详细解读了蛋白质适应度预测模型 EvoIF，该模型通过显式融合家族内进化信号与跨家族结构进化信号来提升预测准确性。
核心亮点：
- 轻量高效：在冻结大型骨干模型（ESM-2 和 ProteinMPNN）的基础上，仅训练紧凑的图网络编码器。相比大型基线模型，训练数据量仅约 0.15%，但速度更快。
- 理论创新：将自然进化视为隐式奖励最大化，为掩码语言建模（MLM）在零样本预测中的有效性提供了最大熵逆向强化学习视角的解释。
- 性能表现：在 ProteinGym 基准测试（超 250 万个突变体）中，无 MSA 版本达到 Spearman 0.489，结合 MSA 的版本达到 0.519，极具竞争力。
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
- 新加坡国立大学做出无电子无外部供能软力传感器 — CurieuxExplorer · 2026-07-27
- Chelsea Finn：机器人 RL 的瓶颈是物理 rollout 成本 — ycombinator · 2026-07-27
- ICML 2026 口头论文复现分数重算后仍偏中等 — profjamesevans · 2026-07-27
- 长周期智能体最终需要不可变事件日志 — sebpaquet · 2026-07-27
- Seed IQ 在 Doom II 里通关，引出 ARC-AGI 之后的评测问题 — Fit_Transition8824 · 2026-07-27
- 实测智能体数据科学工作流：代码能跑但常答错问题 — hugobowne · 2026-07-27