- 1次围观
Evolutionary Scale Modeling（ESM）、AlphaFold 和 Boltz 等蛋白质模型已推动计算蛋白质科学取得变革性进展，但预训练模型很少能够直接适用于特定实验室的测定，而无需针对其数据和实验条件进行适配；这种适配在技术上要求较高，也会消耗实际计算资源。现有智能体系统能够自动化模型训练，但通常将微调视为一种可靠的工具调用：它们估算可行性和成本，而非进行实际测量，只有在消耗计算资源后才会发现任务不可行。我们将蛋白质模型适配表述为一个带门控的决策问题：给定一项任务、原始数据和计算预算 \(c_{\max}\)，系统应在投入昂贵计算之前，决定是否适配模型以及如何适配。我们提出 CAPO（Compute-Aware Automated Protein-Model Optimization，计算感知型自动化蛋白质模型优化），这是一个以一项规则为核心构建的多智能体系统：训练之前先进行门控。CAPO 在目标加速器上测量任务的可行性，根据可用预算预测成本，在实际训练循环中运行试验性训练，并维护可审计的产物轨迹；关键在于，它能够拒绝无法负担的适配方案，并选择成本更低的替代方案。我们在三项蛋白质建模任务上评估 CAPO，且未对系统作任何改动：（i）SARS-CoV-2 宿主范围预测；（ii）先导化合物发现中的亲和力排序；以及（iii）基于时间序列的变异效应重新分类。在宿主范围预测任务中，CAPO 对一个含 800 万参数的 ESM-2 模型进行了部分微调，取得了 0.826 的物种平均 MCC，高于人工设计的专家 Transformer 模型（0.743）；其 GPU 使用时间比通用编码智能体少 57.4%，并将训练失败次数从 4 次降至 0 次。在先导化合物发现中的亲和力排序任务中，CAPO 拒绝对 Boltz-2 进行微调，转而训练一个经测定校准的在冻结表征之上训练轻量级预测头，在 15 个留出目标中的 11 个上提升了排序表现，耗时 1.68 GPU 小时。在按时间留出的 ClinVar 变异数据上，对 ESM-2 进行秩为 4 的低秩适配，获得了 0.478 的 MCC；相比之下，单热编码基线为 0.252，冻结模型的零样本评分为 0.000。这些结果来自单次运行，未进行门控消融，且仅与一个通用智能体进行了比较。在这些限制范围内，结果表明，基于度量的准入控制不仅能够实现蛋白质模型适配的自动化，还能使其具备选择性：决定计算什么、不计算什么，以及为什么。
thomas.bikias{at}immune.engineering
摘要
信息/历史
指标
PDF 预览
摘要
Evolutionary Scale Modeling（ESM）、AlphaFold 和 Boltz 等蛋白质模型已深刻改变计算蛋白质科学。然而，预训练模型很少能在未经适配的情况下直接应用于特定实验室的检测任务；适配模型以匹配相应数据和实验条件在技术上颇具挑战，也会消耗实际的计算资源。现有智能体系统能够自动化模型训练，但通常将微调视为一种可靠的工具调用：它们对可行性和成本进行估算，而非实际测量，并且只有在消耗计算资源后才会发现方案不可行。我们将蛋白质模型适配问题形式化为一个门控决策问题：给定任务、原始数据和计算预算 \(c_{\max}\)，系统应在投入昂贵计算之前，决定是否适配模型以及如何适配。我们提出 CAPO（Compute-Aware Automated Protein-Model Optimization，计算感知型自动化蛋白质模型优化），这是一种多智能体系统，其核心原则是：训练之前先设门控。CAPO 在目标加速器上测量可行性，根据可用预算预测成本，在实际训练循环中运行试验，并维护可审计的产物记录；关键在于，它能够拒绝成本超出承受范围的适配方案，并选择成本更低的替代方案。我们在三项蛋白质建模任务上评估 CAPO，且未对系统作任何改动：（i）SARS-CoV-2 宿主范围预测；（ii）先导化合物优化中的命中化合物亲和力排序；（iii）变异效应的时间序列重新分类。在宿主范围预测任务中，CAPO 对一个含 800 万参数的 ESM-2 模型进行了部分微调，其物种平均 MCC 达到 0.826，高于人工设计的专家 Transformer 模型的 0.743；CAPO 的表现与通用编程智能体相当，同时 GPU 使用时间减少了 57.4%，训练失败次数也从 4 次降至 0 次。对于命中化合物到先导化合物优化任务，
在亲和力排序任务中，CAPO 拒绝对 Boltz-2 进行微调，转而在冻结表征之上训练经过实验测定校准的轻量级预测头；仅耗费 1.68 GPU 小时，便在 15 个留出靶标中的 11 个上提升了排序表现。在按时间划分留出的 ClinVar 变异数据上，对 ESM-2 进行秩为 4 的低秩适配后，MCC 达到 0.478；相比之下，独热编码基线的 MCC 为 0.252，冻结模型的零样本评分则为 0.000。这些结果来自单次运行，未进行门控消融，且仅与一个通用智能体进行了比较。在这些限制范围内，结果表明，经测量的准入控制能够使蛋白质模型适配不仅实现自动化，而且具有选择性：决定计算什么、不计算什么，以及为何如此。
利益冲突声明
作者声明不存在利益冲突。
版权
本预印本的版权持有人为作者/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-NC 4.0 国际许可协议公开。
返回顶部
上一篇
下一篇
发布于 2026 年 10 月 18 日。
下载 PDF
电子邮件
感谢您有意分享 bioRxiv 上的内容。
注意：系统仅要求提供您的电子邮件地址，以确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
发送至
*
请在不同的行中输入多个地址，或用逗号分隔。
您即将通过电子邮件发送以下内容
CAPO：计算感知型自动化蛋白质模型优化
邮件主题
（您的姓名）已从 bioRxiv 向您转发一个页面
邮件正文
（您的姓名）认为您可能想查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于确认您是真人访客，并防止自动化垃圾提交。
分享
CAPO：计算感知型自动化蛋白质模型优化
Théo
Schifferli
，
Julián
García
帕迪尼亚斯，
爱德华·B. 欧文，
玛丽-安妮·哈特利，
托马斯·比基亚斯
bioRxiv
2026.10.12.758406；
doi：https://doi.org/10.64898/2026.10.12.758406
分享本文：
复制
引用工具
CAPO：面向计算资源的自动化蛋白质模型优化
泰奥·希弗利，
胡利安·加西亚·帕迪尼亚斯，
爱德华·B. 欧文，
玛丽-安妮·哈特利，
托马斯·比基亚斯
bioRxiv
2026.10.12.758406；
doi：https://doi.org/10.64898/2026.10.12.758406
引用管理器格式
BibTeX
Bookends
EasyBib
EndNote（tagged）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文小组件
Facebook 点赞
Google +1
学科领域
所有文章
动物行为与认知（8154）
生物化学（19000）
生物工程（15136）
生物信息学（45154）
生物物理学（22922）
癌症生物学（20045）
细胞生物学（27238）
临床试验（138）
发育生物学（14115）
生态学（21352）
流行病学（2067）
进化生物学（25746）
遗传学（16307）
基因组学（23783）
免疫学（18967）
微生物学（43106）
分子生物学（18287）
神经科学（94823）
古生物学（710）
病理学（3023）
药理学与毒理学（5170）
生理学（8253）
植物生物学（16225）
科学传播与教育（2113）
合成生物学（4630）
系统生物学（10361）
动物学（2417）
关键词：蛋白质模型适配 · 多智能体系统 · 计算资源感知 · 低秩微调 · 蛋白质工程
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.12.758406v1?rss=1