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
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11