pLM-bVAE: protein language model-enhanced binary representation improves quantum annealing-based protein sequence design
该论文引入了 pLM-bVAE，这是一种由蛋白质语言模型增强的二元变分自编码器，它提高了二元编码和序列重构的准确性，从而使量子退火能够比标准方法生成得分更高且更多样化的蛋白质序列。
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
设计新蛋白质就像是在一个装满了数十亿把锁的房间里寻找一把完美的钥匙。蛋白质是驱动生命的分子机器，其功能由其被称为氨基酸的构建模块的特定排列顺序决定。由于这些模块的排列方式极其多样，寻找具有特定特征（例如结合病毒或发出荧光）的蛋白质是一项极其复杂的任务。科学家们已经转向利用计算机来帮助应对这一广阔的空间，并使用一种被称为量子退火（quantum annealing）的特殊计算技术。这种技术旨在通过寻找最低能量状态来解决复杂的谜题，而在这种语境下，该状态对应于最佳的蛋白质序列。然而，为了让量子计算机处理这个问题，蛋白质序列必须被翻译成机器能理解的语言：即由零和一组成的字符串。
挑战在于这种翻译过程。如果从蛋白质序列到零和一字符串的转换过程很笨拙，计算机就会丢失不同蛋白质之间的微妙关系，最终结果往往设计拙劣。一段时间以来，研究人员一直使用一种名为二值变分自编码器（binary variational autoencoder）的工具来处理这种翻译。可以将这个工具想象成一个翻译官，它将一个长而复杂的句子压缩成一段短代码，然后尝试根据这段代码将句子写回来。虽然这种方法有效，但它最初是为人类语言设计的，而不是为了蛋白质独特的语法。由上田浩美（Hiromi H. Ueda）和齐藤丰（Yutaka Saito）领导的研究团队提出了一个问题：他们是否可以通过在工作开始之前赋予该工具更深层的蛋白质理解力，来改进这个翻译官。
为了回答这个问题，该团队开发了一个名为 pLM-bVAE 的新系统。他们通过向现有的翻译工具中输入来自“蛋白质语言模型”的信息，对其进行了增强。这个模型是一个庞大的计算机程序，它已经阅读了数百万个蛋白质序列，并学习了它们如何组合在一起的规则，就像一个孩子通过聆听成千上万场对话来学习语言语法一样。通过让这种预训练知识引导翻译过程，新系统能为量子计算机的工作创造出更准确的代码。研究人员在三种不同类型的蛋白质数据上测试了这种方法：与免疫系统结合的短链、针对癌细胞的抗体部分，以及用于基因治疗的病毒外壳。在每种情况下，新系统都证明了其优越性。它能够将蛋白质序列转化为二进制代码，然后再将该代码转回原始蛋白质序列，其准确度远高于旧方法。
这种提升不仅在于准确性，还在于搜索本身的质量。当团队使用他们的新系统来引导量子计算机设计新蛋白质时，结果令人瞩目。计算机生成了显著更多的高性能蛋白质序列。更重要的是，这些新设计的独特性远高于计算机在训练期间所见过的示例。在之前的尝试中，计算机经常陷入重复已知模式的困境，但新系统鼓励它进行更深入的探索，从而找到既有效又独特的创新解决方案。研究人员还观察到，搜索过程变得更加专注。量子计算机不再漫无目的地在各种可能性中徘徊，而是沿着一条更清晰的路径走向更好的解决方案，这种转变直接归功于新系统提供的更高质量的蛋白质代码。
这项工作表明，我们将生物信息转化为数字代码的方式至关重要。通过借鉴蛋白质自然进化和功能的深层知识，研究人员创建了一座桥梁，使量子计算机能够在生物领域更有效地工作。这项研究并不声称已经完全解决了蛋白质设计的问题，但它展示了一个清晰且可衡量的进步。新方法表明，将现代人工智能的模式识别能力与量子计算的原始优化速度相结合，可以产生两者单独无法实现的成果。随着该领域的发展前进，这种方法为工程化下一代药物和生物工具提供了一条充满希望的路径，将蛋白质可能性的广阔且混沌的空间转变为一个可导航的景观。
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。