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
- Datology Curation Studio 线上深潜：少于 20% 算力匹配最强基线 — josh_wills · 2026-10-27
- KANLab 开源：浏览器里可视化玩转 KAN 网络 — Lukas Niehaus · 2026-10-27
- CMU 提出 LLM2Cert：LLM 生成证书，SMT/Lean 自动验证 — CarnegieMellonU · 2026-10-27
- NVIDIA 开源 FLORA：机器人数据引擎，成本仅 GPT-6 Astra 的 1/125 — nvidia · 2026-10-27
- RSNA 2026 深度学习实验室回归:芝加哥四天八节动手 AI 课 — PRouzrokh · 2026-10-27
- 实验：同时调控两组神经元，模型自行组合出「gnome」概念 — Sauers_ · 2026-10-27