知识卡片：利用实验数据对齐提升蛋白质生成建模——ProteinDPO

英文标题：Alignment with experimental data improves protein generative modeling
英文关键词：Machine learning; Proteins; ProteinDPO; Direct preference optimization; Thermostability; H5N1 hemagglutinin

一句话结论

通过直接偏好优化（DPO），用实验稳定性数据对齐预训练蛋白质语言模型，得到的 ProteinDPO 能够对蛋白质序列进行热稳定性评分和生成；在 H5N1 流感血凝素上大幅提升热稳定性，同时保留抗体识别能力。

事件概述或研究问题

研究问题：如何让蛋白质生成模型不只学会“像天然蛋白”，还能偏好实验数据支持的更稳定、更可用的蛋白序列？

方法思路：借鉴大语言模型中的 DPO 对齐策略，将实验稳定性测量转化为偏好信号，对预训练蛋白质模型进行对齐，而不是仅做监督学习或人工设计规则。

方法/产品要点

核心模型：ProteinDPO，一个可对蛋白质序列打分和生成热稳定序列的模型。
基础模型：对齐的预训练蛋白质模型为 ESM-IF1，一种基于数百万预测结构的逆折叠模型。
对齐算法：采用 Direct Preference Optimization（DPO），而不是传统奖励建模或强化学习流程；DPO 原始论文为 Rafailov 等人 2023 年工作。
训练数据：使用约 180 万条实验稳定性测量数据（Tsuboyama 等人，Nature 2023）构建偏好标签。
任务泛化：图注称 ProteinDPO 从偏好标签学习并能泛化到多种任务，但“多种任务”的具体范围在材料中未展开，待核实。

主要结果或产业意义

在 H5N1 流感血凝素（hemagglutinin, HA）上，ProteinDPO 实现了热稳定性的大幅提升。
稳定性提升的同时保留了抗体的识别能力。
ProteinDPO 无需任务特异性训练数据，即可恢复 Milder 等人报道的血凝素预融合态 pH 开关区域稳定化突变。
与监督基线 ThermoMPNN 进行了基准比较；具体数值和比较细节在材料中未给出，待核实。
产业意义：材料未直接给出产业化结论；但热稳定且保留抗体识别的流感血凝素，对疫苗抗原、诊断试剂或抗体工具的设计可能有潜在价值，这一点待核实。

为什么重要

展示了“对齐”思想从大语言模型迁移到蛋白质生成模型的价值：用实验数据作为偏好信号，而不是只用序列或结构损失。
为蛋白质设计提供了一条新的数据驱动路径：大规模实验稳定性数据可以直接塑造生成模型的偏好，提升实际可用性。
与已有相关卡片的关系：本条与 UltraX、OpenLongTail、邀序编码均不同，不是数据精炼、长尾驾驶或模型压缩，而是蛋白质生成模型中的偏好对齐案例，属于“对齐实验适应度”的新增量信息。

局限与不确定性

本材料是 Nature Methods 的研究简报（Research Briefing），不是完整论文；完整方法、模型参数、实验细节和准确数字需参见原论文。
文中“大幅提升”“保留抗体识别”没有给出定量指标，待核实。
“泛化到多种任务”的具体任务类型未在材料中说明，待核实。
目前只明确提到热稳定性和抗体识别两个维度，其他蛋白性质（如表达量、溶解度、免疫原性等）的影响未提及，待核实。

可用于图书/PPT/简报的角度

“蛋白质版偏好对齐”：如何用实验稳定性数据让生成模型更懂“稳”。
从大语言模型的 DPO 到蛋白质模型 ProteinDPO：跨领域方法迁移的代表案例。
H5N1 血凝素热稳定性提升故事，可作为 AI 辅助疫苗蛋白设计的案例素材。
约 180 万条实验测量数据驱动的生成模型：数据规模与方法创新同样重要。

与既有脉络的关系

已有相关卡片分别涉及训练数据精炼、长尾驾驶数据扩展、模型压缩理论。本条补充的是“蛋白质生成模型与实验数据对齐”的新方向，核心增量在于：将 DPO 从自然语言模型引入蛋白质逆折叠模型，以实验测得的热稳定性作为偏好信号，而非依赖人工标注或任务特定训练数据。

原始材料

原始来源（研究简报）：Alignment with experimental data improves protein generative modeling. Nature Methods (2026). Published 14 August 2026. DOI: 10.1038/s41592-026-03138-2. URL: https://www.nature.com/articles/s41592-026-03138-2
对应原论文：Widatalla, T. et al. Aligning protein-generative models to experimental fitness with ProteinDPO. Nature Methods, DOI: 10.1038/s41592-026-03137-3 (2026).
关键参考文献：
- Rafailov, R. et al. Direct preference optimization: your language model is secretly a reward model. arXiv:2305.18290 (2023).
- Hsu, C. et al. Learning inverse folding from millions of predicted structures. Proc. 39th Int. Conf. Machine Learning (2022).
- Tsuboyama, K. et al. Mega-scale experimental analysis of protein folding stability in biology and design. Nature 620, 434–444 (2023).
- Milder, F. J. et al. Universal stabilization of the influenza hemagglutinin by structure-based redesign of the pH switch regions. Proc. Natl Acad. Sci. USA 119, e2203390119 (2022).
- Diekhaus, L. et al. Transfer learning to leverage larger datasets for improved prediction of protein stability changes. Proc. Natl Acad. Sci. USA 121, e2314853121 (2024).