TEDlm: domain-centric protein language models with optional structural pre-training
L'article présente TEDlm, un modèle de langage protéique centré sur les domaines et préentraîné sur des segments de domaines définis structurellement, qui surpasse les modèles de séquences complètes plus larges dans la détection d'homologie lointaine et la prédiction de la fonction moléculaire, démontrant que la focalisation sur les signaux intrinsèques aux domaines produit des représentations compactes et informées sur la structure.