AI消息速览

用 ProteinDPO 将蛋白质生成模型对齐到实验适应度

事件日期 2026-08-14 · 学术前沿 · 已接受

返回列表 打开来源
事件日期2026-08-14
信息日期2026-08-14
入库日期2026-08-14
通道学术前沿
状态已接受
来源nature.com

知识卡片：用 ProteinDPO 将蛋白质生成模型对齐到实验适应度

英文标题：Aligning protein-generative models to experimental fitness with ProteinDPO

英文关键词：ProteinDPO; direct preference optimization; structure-conditioned protein language model; protein stability; ESM-IF1; Megascale; hemagglutinin trimer

一句话结论

直接偏好优化（DPO）可以把一个无监督的结构条件蛋白语言模型（ESM-IF1）对齐到实验稳定性数据，得到 ProteinDPO。它在稳定性打分上优于无监督原版和监督微调（SFT）版，且能推广到大型复合物结合亲和力预测及流感血凝素三聚体稳定化。

事件概述或研究问题

无监督蛋白质生成模型可以在没有任务特定标签的情况下预测功能，但通常不如任务专用模型。作者将这种现象归因于“对齐差距”（alignment gap）：无监督训练学到的规则与用户关心的功能不一致。

一个常见解法是监督微调（SFT），但 SFT 只在正样本上最大化似然，容易过拟合微调数据，丢失预训练时学到的通用知识。本文尝试用 DPO 将实验适应度信息注入生成模型，同时尽量保留模型的通用生成能力。

方法/产品要点

  • 基座模型：ESM-IF1，一个结构条件的“逆折叠”语言模型，以蛋白质骨架为条件生成氨基酸序列。
  • 训练数据：来自 Megascale 稳定性数据集。原始约 184 万序列变异、479 个蛋白结构域；过滤不可靠的 ΔΔG 测量，并用 FoldSeek 以 0.5 相似度阈值做结构聚类以减轻训练/评估数据泄漏后，最终约 66 万条测量、403 个结构域。
  • DPO 适配方式：把蛋白质骨架当作 prompt，序列生成当作 response，实验稳定性测量当作 preference。
  • 训练目标：使用已有的 paired 和 ranked DPO 目标，并新提出一种直接利用标量标签的 weighted DPO 目标。
  • 对照模型：无监督的 ESM-IF1、在稳定变异（ΔΔG < 0）上 SFT 的 ESM-IF1、ProteinDPO。

主要结果或产业意义

  • 稳定性打分提升：ProteinDPO 的 ΔΔG 打分相关性强于无监督和 SFT 版本。Pearson R 为 0.72–0.73，Spearman ρ 为 0.69–0.72；无监督 ESM-IF1 为 0.55/0.53，SFT 版为 0.59/0.57。AUROC 也呈现同样趋势，但 ProteinDPO 的具体 AUROC 数值因正文摘录截断，待核实。
  • 泛化能力：尽管只在小型单体蛋白的一两个替换的相对稳定性变化上训练，ProteinDPO 可以推广到大型多链蛋白复合物的结合亲和力打分、高度多样且长度可变的抗体热稳定性预测。
  • 流感疫苗相关应用：将 ProteinDPO 用于 H5N1 流感血凝素（HA）预融合构象的稳定化。仅设计 45 个变异，就找到 27 个稳定化变体，最高熔解温度提升 17°C，并保留广谱中和抗体结合能力。
  • 对新发毒株的响应：对 2024 年出现的哺乳动物相关毒株，最高可实现 32°C 的熔解温度提升。摘要还提到约 80% 的设计达到与天然 HA 相似或更高的稳定性。
  • 产业意义：HA 预融合构象不稳定、难三聚化，是疫苗开发的重要瓶颈。ProteinDPO 提供了一种快速响应新发禽流感/哺乳动物传播毒株的抗原稳定化路径。

为什么重要

DPO 为蛋白质生成模型提供了一种相对轻量的对齐方案：不需要为每个任务从头训练专用监督模型，也不像 SFT 那样容易丢失预训练知识。通过把实验测量到的“适应度”作为偏好信号，可以将生物物理信息直接注入生成模型。作者提出，这不只是针对稳定性，而是为生物基础模型的对齐提供了一个通用框架。

与既有脉络的关系：已有相关卡片分别涉及晶体材料生成（强化学习/GRPO）、人形机器人世界模型、文本到图像模型的稠密预测。本条在“给生成模型注入外部偏好或奖励”这一脉络上，提供了蛋白质设计领域的 DPO 实例。增量信息在于：以结构为 prompt、序列为 response、实验稳定性为 preference 的适配方式，以及在 H5N1 血凝素上 45 个设计中有 27 个稳定化变体等可量化结果。

局限与不确定性

  • ProteinDPO 在 AUROC 对比中的具体数值因摘录截断，待核实。
  • 新提出的 weighted DPO 目标的具体公式、超参数和训练细节需核对原文 Methods，当前材料中未完整展开，待核实。
  • 对大型复合物结合亲和力、抗体热稳定性的提升，材料只给出方向性结论，未提供完整数值，待核实。
  • HA 稳定化中的“27/45 个稳定化变体”“17°C/32°C 提升”来自论文正文/摘要，但实验验证流程的完整细节未在摘录中展开，如需引用建议核对全文。

可用于图书/PPT/简报的角度

  • 类比：如同用人类偏好让大语言模型变得有用，ProteinDPO 用实验稳定性偏好让蛋白质生成模型变得有用。
  • 简洁链条：约 66 万条高质量变异数据 → 45 个 HA 设计 → 27 个稳定化变体 → 最高 17°C/32°C 熔解温度提升。
  • 概念图：骨架结构（prompt）→ 序列生成（response）→ ΔΔG 实验测量（preference）。
  • 公卫叙事：AI 生成模型可以快速响应新出现病原体，用于疫苗抗原稳定化。

原始材料

  • 英文标题：Aligning protein-generative models to experimental fitness with ProteinDPO
  • 来源：Widatalla, T. et al. Nature Methods (2026). Published online 14 August 2026.
  • DOI：10.1038/s41592-026-03137-3
  • URL：https://www.nature.com/articles/s41592-026-03137-3
  • 开放获取：该文章为 Open access。