Prot-LAMBDA：显式距离学习增强蛋白质语言模型中的结构推理

蛋白质语言模型（PLMs）能够从大规模序列数据中学习进化信息，但三维关系仅以隐式方式被编码。在此，我们提出 Prot-LAMBDA（Protein LAnguage Model Boosted with Distance Awareness），这是一种通过将残基嵌入与残基间接触相耦合来显式整合空间关系的蛋白质语言模型。Prot-LAMBDA 在多种与结构相关的任务中提升了性能，包括接触预测、二级结构预测、主链几何预测、溶剂可及性预测以及蛋白质折叠类型预测。值得注意的是，相较于 ESM2-3B，它在长程接触召回率上实现了两倍提升，并将 {psi} 角预测误差降低了 11.7%。尽管参数数量约少五倍，当与相同的结构预测模块耦合时，Prot-LAMBDA 在三维结构预测上的表现仍优于 ESM2-3B，TM-score 提升了 5–7%。在这些表征的基础上，我们开发了 LambdaFold，这是一种轻量级的距离引导结构预测框架，在针对与训练数据严格非冗余的蛋白质进行预测时，其性能可与 ESMFold 相媲美。最后，通过检索增强的结构模板整合，对于模板覆盖率高的目标，其平均 TM-score 得到了显著提高，并纠正了若干错误折叠。综上，这些结果表明，显式空间约束能够实现高效且具有良好泛化能力的结构表征学习与蛋白质结构预测。

蛋白质语言模型（PLM）能够从大规模序列数据中学习进化信息，但三维关系仅被隐式编码于其中。在此，我们提出 Prot-LAMBDA（Protein LAnguage Model Boosted with Distance Awareness，距离感知增强的蛋白质语言模型），这是一种通过将残基嵌入与残基间接触相耦合而显式纳入空间关系的蛋白质语言模型。Prot-LAMBDA 在多种与结构相关的任务中均提升了性能，包括接触预测、二级结构、主链几何、溶剂可及性以及蛋白质折叠预测。值得注意的是，相较于 ESM2-3B，它在长程接触召回率上实现了两倍提升，并将 {psi} 角预测误差降低了 11.7%。尽管参数量约少五倍，当与相同的结构预测模块耦合时，Prot-LAMBDA 在三维结构预测上的表现仍较 ESM2-3B 提升了 5–7% 的 TM-score。

基于这些表征，我们开发了 LambdaFold，这是一种轻量级的距离引导结构预测框架，在针对与训练数据严格非冗余的蛋白质时，其性能可与 ESMFold 相当。最后，通过检索增强方式整合结构模板，对于模板覆盖率高的目标，平均 TM-score 得到了显著提高，并纠正了若干错误折叠。综上，这些结果表明，显式空间约束能够实现高效且具有泛化能力的结构表征学习与蛋白质结构预测。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.23.746565v1?rss=1

🏷️ 蛋白质语言模型 显式距离学习 结构推理 接触预测 蛋白质结构预测