ProtBLIP2-SST：基于 BLIP2 结合序列、结构与文本的蛋白质功能预测

蛋白质功能预测传统上依赖于结构化的基因本体（GO）标签或多标签分类器。然而，这些标签或分类器无法在单一输出中灵活地同时描述分子功能、生物过程、细胞组分以及自由文本形式的功能叙述。相比之下，基于生成的方法为灵活的自由文本蛋白质注释提供了一种直观范式，而大语言模型（LLM）则是蛋白质—文本建模的代表性方法。近期利用LLM进行蛋白质语义理解与注释生成的研究，采用了仅基于序列的编码方式或序列—文本对比对齐范式，但尚未显式考虑三维结构信息。为解决当前蛋白质功能预测方法中的这些局限性，我们提出了ProtBLIP2-SST，这是一种建立在BLIP2模型架构之上的两阶段框架，用于连接蛋白质序列、结构与文本，以实现开放式蛋白质功能描述生成。 具体而言，我们首先通过SaProt整合序列与结构信息。SaProt是一种蛋白质语言模型（PLM），采用结构感知词表，将残基标记与由Foldseek导出的3Di结构标记融合。为使LLM具备理解蛋白质语义的能力，我们采用Q-Former（BLIP2中的查询Transformer），并使用可学习的查询标记作为跨模态投影器，通过蛋白质—文本对比、蛋白质—文本匹配以及蛋白质描述生成目标，对来自冻结的SaProt编码器的蛋白质特征与来自冻结的BiomedBERT的文本特征进行对齐。完成对齐后，蛋白质特征经线性投影，并被前置到LLM的提示嵌入中，以通过LoRA进行蛋白质描述生成微调。在Swiss-Prot中包含对应AlphaFold数据库结构的44.1万个蛋白质—文本对上进行训练后，我们的ProtBLIP2-SST在蛋白质描述生成指标上优于仅基于序列以及序列—文本对齐的基线方法，消融实验进一步证明了将结构信息与序列信息相结合对于提升蛋白质理解的有效性。 通过统一的两阶段对齐—生成流水线，ProtBLIP2-SST整合了蛋白质序列与结构信息，克服了传统以GO为中心的分类方法的僵化性，能够在单一输出中生成开放式描述，同时联合表征分子功能、亚细胞定位和同源性背景。

luo{at}ust.hk

摘要

信息/历史

指标

预览 PDF

摘要

蛋白质功能预测传统上依赖于结构化的基因持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。

本文依据 CC-BY 4.0 国际许可协议 公开提供。

返回顶部

上一篇

下一篇

发布于 2026 年 7 月 12 日。

下载 PDF

电子邮件

感谢您帮助传播 bioRxiv 的内容。

您的电子邮箱

*

您的姓名

*

发送给

*

请输入多个地址，每行一个，或以逗号分隔。

您将要通过电子邮件发送以下内容

ProtBLIP2-SST：通过 BLIP2 结合序列、结构与文本进行蛋白质功能预测

邮件主题

（您的姓名）已从 bioRxiv 转发一个页面给您

邮件正文

（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于测试您是否为人工访问者，并防止自动化垃圾信息提交。

分享

ProtBLIP2-SST：通过 BLIP2 结合序列、结构与文本进行蛋白质功能预测

Zhuoyang Chen

，

Qiong Luo

bioRxiv 2026.07.10.737551；

doi： https://doi.org/10.64898/2026.07.10.737551

分享本文：

复制

引文工具

ProtBLIP2-SST：通过 BLIP2 结合序列、结构与文本进行蛋白质功能预测

Zhuoyang Chen

，

Qiong Luo

bioRxiv 2026.07.10.737551；

doi： https://doi.org/10.64898/2026.07.10.737551

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.10.737551v1?rss=1

🏷️ 蛋白质功能预测 多模态学习 序列结构融合 大语言模型 BLIP2 开放式注释生成