原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象蛋白质是由细线折叠而成的微小而精巧的折纸作品。为了让这些作品在工厂（如我们的身体或工业机器）中发挥作用，它们必须保持形状。但如果工厂温度过高，细线就会散开，折纸作品随之解体。发生这种情况的温度被称为“熔解温度”（Tm）。了解这个数值，就如同知道塑料容器在熔化前的确切耐热极限；它有助于科学家设计出能在严苛高温工业条件下存活的酶。
通常，确定这一耐热极限需要在实验室中进行缓慢、繁琐且昂贵的实验，就像试图在一千个不同的烤箱中熔化特定的一块塑料，以观察哪一个效果最佳。最近，科学家开始利用强大的计算机程序（人工智能）来预测这些数值，这要快得多。然而，存在一个重大问题：人工智能模型是在一种类型的“烤箱”（大规模蛋白质组学实验）数据上训练的，却被用于测试完全不同类型的“烤箱”（精确生物物理实验）数据。这就像训练一位厨师用微波炉烹制完美的牛排，然后期望他毫无困难地用炭火烤架烹制出同样完美的牛排。
研究人员做了什么
该团队构建了一个庞大的新蛋白质数据库（包含 45,441 种蛋白质），称为"ProMelt"，并收集了来自精确实验室实验的五组不同测试数据。他们希望看看最优秀的人工智能厨师是否真的能在这些不同的“烤架”上表现出色。
他们的发现
他们发现，在大型通用数据集上训练的人工智能模型，在面对精确实验室数据时变得困惑。数据的“风味”差异实在太大。旧模型在从一种实验风格切换到另一种时，难以准确预测耐热极限。
新解决方案
为解决这一问题，研究人员采用了一个非常智能的预训练人工智能模型（称为 ESM-2），并针对蛋白质熔解特性对其进行了专门的聚焦训练（使用一种称为 LoRA 的技术）。这好比将一位世界级的通用厨师送去参加短期强化训练营，专门学习如何操作炭火烤架。
他们将新工具命名为TmProt 1.0。测试结果表明，在所有不同类型的实验数据中，这一新工具在识别能够耐受高温（60°C 及以上）的蛋白质方面表现更优。它不仅仅是猜测，而是以高度准确性可靠地识别出“耐热”蛋白质。
为何重要
研究人员表明，这一新工具效率足够高，可作为筛选工具使用。在科学家浪费时间和金钱进行昂贵的实验室测试之前，他们可以使用 TmProt 快速筛选数千种蛋白质设计，挑出最佳候选者进行测试。
如何获取
该团队已将此工具作为免费网站向所有人开放，称为TmProt 网络服务器，以便其他科学家能够立即开始使用它来寻找耐热蛋白质。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。