从缺失的 NMR 峰值学习：蛋白质语言模型预测毫秒级动力学

bravo_abad · x · 2026-08-12

蛋白质动力学研究长期受限于缺乏标准化数据。Hannah Wayment-Steele 等研究者提出了一种巧妙的方法：利用现有 NMR 数据集中缺失的标签作为代理数据。

微秒到毫秒级的构象交换会导致 NMR 峰展宽甚至消失。研究团队从 BMRB 中精选了 9,381 个蛋白质，训练模型预测哪些残基会缺失。其中表现最好的 Dyna-1 模型利用了多模态蛋白质语言模型 ESM-3 的中间表示。