精度媲美AlphaFold，EPFL的AI方法从序列中匹配蛋白质互作

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

精度媲美alphafold，epfl的ai方法从序列中匹配蛋白质互作

1. 蛋白质相互作用的重要性

蛋白质是生命的基石，参与几乎所有生物过程。了解蛋白质如何相互作用对于解释细胞功能的复杂性至关重要。

2. 新方法：配对相互作用的蛋白质序列

洛桑联邦理工学院（EPFL）的 Anne-Florence Bitbol 团队提出了一种配对相互作用的蛋白质序列的方法。该方法利用了在多个序列比对上训练的蛋白质语言模型的强大功能。

3. 方法优点

该方法对于小型数据集表现良好，并且可以通过监督方法改进蛋白质复合物的结构预测。

4. 研究成果发表

该研究以「Pairing interacting protein sequences using masked language modeling」为题，于 2025 年 6 月 24 日发布在《PNAS》。

精度媲美AlphaFold，EPFL的AI方法从序列中匹配蛋白质互作

蛋白质间相互作用的预测

蛋白质间的相互作用对细胞功能至关重要，它们确保了信号传导的特定性和多蛋白复合体（如分子马达或受体）的形成。预测蛋白质-蛋白质相互作用及其复合体结构是计算生物学和生物物理学中的重要课题。

尽管 AlphaFold 等深度学习方法在蛋白质单体结构预测上取得重大进展，但对于复合体结构的预测性能仍不如同单体预测，且存在异质性。AlphaFold 首先构建查询蛋白序列的同源多序列比对（MSA），而 MSA 的质量对预测准确性极为关键。

异源多聚体的配对 MSA

对于涉及多种链的蛋白质复合体（异源多聚体），配对 MSA 能提供交互伙伴间的协同进化信息，有助于推断链间接触，但构建正确配对的 MSA 是一大挑战；尤其是在真核生物中，因存在众多同源蛋白且非依赖于基因组邻近性。

协同进化方法

目前，结合基因组邻近性、近似同源性、基于系统发生的方法及协同进化策略等手段来应对这一挑战，其中协同进化方法虽数据需求大，但在优化配对和预测复合体结构方面展现出潜力，特别是通过最大化协同进化信号来匹配同源蛋白。

DiffPALM：一种可微分配对方法

码上飞

码上飞（CodeFlying）是一款AI自动化开发平台，通过自然语言描述即可自动生成完整应用程序。

430 查看详情码上飞

EPFL 的 Anne-Florence Bitbol 团队开发了一种配对相互作用蛋白质序列的方法，该方法利用了在多序列比对 (MSA) 上训练的蛋白质语言模型的强大功能，例如 MSA Transformer 和 AlphaFold 的 EvoFormer 模块。这使它能够高度准确地理解和预测蛋白质之间的复杂相互作用。

基于这些，研究人员提出了使用基于对齐的语言模型（DiffPALM）的可微分配对，这是一种使用 MLM 预测同源词匹配的可微分方法。

精度媲美AlphaFold，EPFL的AI方法从序列中匹配蛋白质互作