ProGen2: Exploring the boundaries of protein language models

计算机科学 剧目 一套 蛋白质测序 序列(生物学) 语言模型 过程(计算) 人工智能 数据科学 机器学习 生物 程序设计语言 遗传学 肽序列 物理 考古 基因 声学 历史
作者
Erik Nijkamp,Jeffrey A. Ruffolo,Eli N. Weinstein,Nikhil Naik,Ali Madani
出处
期刊:Cell systems [Elsevier BV]
卷期号:14 (11): 968-978.e3 被引量:120
标识
DOI:10.1016/j.cels.2023.10.002
摘要

Attention-based models trained on protein sequences have demonstrated incredible success at classification and generation tasks relevant for artificial-intelligence-driven protein design. However, we lack a sufficient understanding of how very large-scale models and data play a role in effective protein model development. We introduce a suite of protein language models, named ProGen2, that are scaled up to 6.4B parameters and trained on different sequence datasets drawn from over a billion proteins from genomic, metagenomic, and immune repertoire databases. ProGen2 models show state-of-the-art performance in capturing the distribution of observed evolutionary sequences, generating novel viable sequences, and predicting protein fitness without additional fine-tuning. As large model sizes and raw numbers of protein sequences continue to become more widely accessible, our results suggest that a growing emphasis needs to be placed on the data distribution provided to a protein sequence model. Our models and code are open sourced for widespread adoption in protein engineering. A record of this paper’s Transparent Peer Review process is included in the supplemental information.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
十八子完成签到,获得积分10
2秒前
4秒前
华仔应助Elige采纳,获得10
5秒前
立躺顶真完成签到,获得积分10
6秒前
iperper完成签到,获得积分10
7秒前
orixero应助Backto1998采纳,获得10
7秒前
liushiyi完成签到,获得积分10
7秒前
香蕉觅云应助虚拟的惜筠采纳,获得10
8秒前
Jasper应助九点一定起采纳,获得10
8秒前
9秒前
9秒前
12秒前
13秒前
111发布了新的文献求助10
14秒前
14秒前
小高同学发布了新的文献求助10
14秒前
今后应助YGTRECE采纳,获得10
15秒前
16秒前
虾米吃螃蟹完成签到,获得积分10
17秒前
Lucas应助小高同学采纳,获得10
17秒前
这橘不甜发布了新的文献求助30
17秒前
19秒前
DD47发布了新的文献求助20
19秒前
脑洞疼应助科研通管家采纳,获得10
19秒前
zmnzmnzmn应助科研通管家采纳,获得10
19秒前
哭泣灯泡完成签到,获得积分10
19秒前
斯文败类应助科研通管家采纳,获得10
20秒前
无花果应助科研通管家采纳,获得10
20秒前
20秒前
香蕉觅云应助科研通管家采纳,获得10
20秒前
深情安青应助科研通管家采纳,获得10
20秒前
在水一方应助科研通管家采纳,获得10
20秒前
Akim应助科研通管家采纳,获得10
20秒前
科研通AI2S应助科研通管家采纳,获得10
20秒前
天天快乐应助科研通管家采纳,获得30
20秒前
20秒前
脑洞疼应助科研通管家采纳,获得10
20秒前
顾矜应助科研通管家采纳,获得10
20秒前
科研通AI5应助科研通管家采纳,获得10
21秒前
Hello应助科研通管家采纳,获得30
21秒前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
Continuum Thermodynamics and Material Modelling 2000
Encyclopedia of Geology (2nd Edition) 2000
105th Edition CRC Handbook of Chemistry and Physics 1600
Maneuvering of a Damaged Navy Combatant 650
Mixing the elements of mass customisation 300
the MD Anderson Surgical Oncology Manual, Seventh Edition 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3778047
求助须知:如何正确求助?哪些是违规求助? 3323723
关于积分的说明 10215564
捐赠科研通 3038918
什么是DOI,文献DOI怎么找? 1667711
邀请新用户注册赠送积分活动 798351
科研通“疑难数据库(出版商)”最低求助积分说明 758339