AtlasFold：利用宏基因组规模语言模型进行蛋白质结构预测|||北京沫之东生物技术有限公司

2 次围观

在进化序列上训练的蛋白质语言模型（PLM）能够学习编码蛋白质结构的表征，从而无需多序列比对（MSA）即可直接预测结构。本文介绍了 Atlas 模型家族，这是一个开放且可训练的系统，涵盖蛋白质语言建模、单体折叠和蛋白质复合物预测。AtlasLM-3B 是一个具有 30 亿参数规模的语言模型，采用掩码语言建模方法在约 15.6 亿条序列（包括宏基因组数据）上进行训练；在无监督接触预测任务中，其性能优于规模相近的 ESM2-3B。在此类表征的基础上，AtlasFold 可预测全原子蛋白质结构，并在基于 PLM 的折叠模型中实现了当前最先进的准确率。通过对 AtlasFold 进行蛋白质复合物预测微调，得到 AtlasFold-Multimer（AtlasFold-M）；其抗体–抗原预测性能与 AlphaFold3 和 ESMFold2 相当。这种蛋白质特异性折叠架构使 AtlasFold 和 AtlasFold-M 能够实现快速且高效利用内存的推理。通过依据 MIT 许可证发布训练代码和数据、各阶段检查点以及模型权重，我们为推进基于 PLM 的蛋白质结构预测提供了基础。

韩国科学技术院（KAIST）

摘要

信息/历史

指标

数据/代码

预览 PDF

摘要

在进化序列上训练的蛋白质语言模型（PLM）能够学习编码蛋白质结构的表征，从而无需多序列比对（MSA）即可直接预测结构。本文提出 Atlas 模型系列，这是一套开放且可训练的系统，涵盖蛋白质语言建模、单体折叠和蛋白质复合物预测。AtlasLM-3B 是一个规模为 30 亿参数的语言模型，采用掩码语言建模方法，在约 15.6 亿条序列（包括宏基因组数据）上进行训练；在无监督接触预测方面，其性能优于规模相近的 ESM2-3B。在这些表征的基础上，AtlasFold 可预测全原子蛋白质结构，并在基于 PLM 的折叠模型中达到当前最先进的精度。通过对 AtlasFold 进行蛋白质复合物预测微调，研究人员构建了 AtlasFold-Multimer（AtlasFold-M），其抗体—抗原预测性能可与 AlphaFold3 和 ESMFold2 相媲美。这种蛋白质特异性折叠架构使 AtlasFold 和 AtlasFold-M 能够实现快速且高效的内存推理。我们依据 MIT 许可证发布训练代码和数据、各阶段检查点以及模型权重，为推进基于 PLM 的蛋白质结构预测提供了基础。

利益冲突声明

脚注

https://github.com/SeonghwanSeo/atlasfold

已声明的资助方信息

国家信息技术产业振兴院，

https://ror.org/026v53e29

，PJT-26-100009

版权

本预印本的。

该预印本依据

CC-BY 4.0 国际许可

公开发布。

返回顶部

发布于 2026 年 9 月 7 日。

下载 PDF

数据/代码

电子邮件

感谢您有兴趣传播 bioRxiv 的相关信息。

您的电子邮件地址

*

您的姓名

*

发送至

*

请输入多个地址，每行一个，或使用逗号分隔。

您将要发送以下内容