ESM蛋白质序列生成:如何限制氨基酸字母表
2025-07-06 08:02:35作者:秋泉律Samson
在蛋白质工程和设计中,研究人员经常需要生成特定氨基酸组成的蛋白质变体。本文将介绍如何使用ESM(Evolutionary Scale Modeling)模型来生成缺少特定氨基酸的蛋白质序列变体。
核心概念:限制采样字母表
ESM模型提供了一个关键功能——allowed_aa
参数,允许用户在序列生成过程中限制可采样的氨基酸集合。这个参数可以接受一个包含允许氨基酸token ID的列表,从而实现自定义字母表的序列生成。
实现步骤
-
获取氨基酸token映射: 首先需要了解ESM模型中各个氨基酸对应的token ID。可以通过模型的tokenizer来获取这些映射关系。
-
构建允许的氨基酸集合: 假设我们要生成缺少色氨酸(W)的蛋白质变体,就需要构建包含其他19种标准氨基酸的token ID列表。
-
配置生成参数: 在调用序列生成函数时,通过
allowed_aa
参数传入上一步构建的token ID列表。
技术细节
-
tokenizer使用:ESM的tokenizer不仅包含标准氨基酸,还包含特殊符号和修饰氨基酸。需要仔细筛选出标准氨基酸的token。
-
采样策略:当限制字母表后,模型会自动调整采样概率分布,仅从允许的氨基酸中进行选择。
-
质量保证:限制字母表可能会影响生成序列的自然度,建议通过多个指标评估生成结果的质量。
应用场景
这种技术特别适用于:
- 研究特定氨基酸对蛋白质功能的影响
- 设计在特殊环境下稳定的蛋白质(如缺少易氧化氨基酸)
- 创建用于特定表达系统的优化序列
注意事项
- 某些关键位置的氨基酸限制可能导致生成失败或低质量序列
- 建议结合结构预测工具验证生成序列的折叠特性
- 对于长序列,可能需要调整温度参数以获得更好的结果
通过合理使用字母表限制功能,研究人员可以更精确地控制蛋白质序列生成过程,为蛋白质工程研究提供有力工具。
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.92 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
929
553

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8