Protein Inverse Folding (ProteinDPO)

简介

Protein Inverse Folding (ProteinDPO)是一种基于蛋白质三维结构进行氨基酸序列设计的模型。模型以 ESM-IF1 逆折叠模型为基础，并利用 Direct Preference Optimization（DPO）方法结合实验蛋白质适应度（fitness）数据进行优化，使生成的蛋白质序列更倾向于具有较优实验性质。同时，模型会根据野生型蛋白质三维结构，计算突变序列在当前结构条件下的模型似然分数，并可进一步与野生型序列进行归一化比较。较高的 Score 表示模型在给定结构条件下更加偏好该突变序列，可作为评估突变稳定性及筛选候选突变的重要参考。

参数说明

Design Mode

根据蛋白结构采样新的氨基酸序列。

Structure

输入单个蛋白结构，支持PDB/CIF。

Chain

指定在复合物结构要设计的链 ID。

Num Samples

指定每个结构的采样条数，默认 5，最大支持采样1000条。

Temperature

设置采样温度。温度越低，序列多样性越低。

Fixed Positions

设置保持不变的位点，多个位点用,分隔，连续位点可以使用-代替，例如 1-10。

Scoring Mode

按突变表给已有结构上的突变打分。

Structure

输入蛋白结构，支持PDB/CIF，同时支批量输入，支持格式： .tar.gz、.tar.bz2、.tar.xz、.tgz、.tbz2、.txz、.zip、.tar，批量输入默认只计算100个结构。

Mutations

输入突变点位，格式为 结构名,突变，结构名对应上传结构的文件名，同一结构的多个突变写在同一行，用 ;分隔。

• 单体结构的突变格式为野生型氨基酸 + 位置 + 突变后氨基酸。
• 复合物的突变格式为野生型氨基酸 + 链 ID + 位置 + 突变后氨基酸。

示例如下：

hain1,E1A
prot.pdb,EH1A;IL2Y

结果说明

Design Mode

designed_scores.csv 说明如下：

Scoring Mode

scores.csv 的列：

参考文献

Widatalla T, Rafailov R, Hie B. Aligning protein generative models with experimental fitness via Direct Preference Optimization. bioRxiv. 2024. doi:10.1101/2024.05.20.595026.