无需蛋白质结构输入的生物分子稳定性ΔTm精准预测

预测蛋白质稳定性，例如由突变引起的熔解温度变化（{Delta}Tm），是治疗性蛋白工程和药物发现中的一项关键任务。这一点体现在不断扩大的解决方案空间上，其中既包括基于人工智能的序列方法，也包括基于结构的方法。本文表明，准确预测 {Delta}Tm 并不需要结构输入特征；通过为大规模基于序列的蛋白质语言模型设计审慎的训练方案，同样可以达到当前最先进的结果。我们将受自动化研究启发的配置搜索与受控消融研究相结合，结果表明，在我们的基准测试中，经过良好调优的纯序列 ESM2-650M 模型优于引入结构信息的方法，在不使用 pH 或结构输入的情况下，实现了最低的误差（MAE/RMSE）和具有竞争力的 Pearson 相关性。我们进一步表明，损失函数、池化策略、辅助监督以及微调机制等选择都会对性能产生实质性影响。

预测蛋白质稳定性，例如熔解温度变化（ΔT

作者声明不存在任何竞争性利益。

感谢您有兴趣传播关于 bioRxiv 的信息。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.02.735991v1?rss=1

🏷️ 蛋白质稳定性预测 ΔTm预测 蛋白质语言模型 序列模型 ESM2 模型微调