研究提出蛋白质潜在语言实现自回归生成
原文标题：Learning Latent Protein Languages for Autoregressive Generation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出两种可学习的潜在蛋白质语言：PLL 将序列映射到基于冻结 ESM-2 的 4096 状态上下文词表，SLL 则适配 GCP-VQVAE Lite 并保留骨架坐标解码。在各自 token 上预训练自回归模型得到 PLLM 与 SLLM，序列生成中低熵样本比例下降 54%，结构预测困惑度降低 34%，长蛋白采样比 AlphaFold2 快约 1000 倍。
- 问题
- 自回归Transformer在蛋白质序列与结构生成上表现较弱，氨基酸token缺乏上下文语义。
- 方法
- 提出可学习潜在蛋白质语言PLL（基于冻结ESM-2的4096状态词表）与SLL（适配GCP-VQVAE Lite并保留骨架坐标解码），分别预训练自回归模型。
- 结果
- 低熵样本比例下降54%，结构预测困惑度降低34%，长蛋白采样比基于MSA的AlphaFold2快约1000倍。
- 影响
- 用潜在token替代氨基酸与坐标表示，可大幅加速蛋白质生成与结构预测，为相关工具链提供新表示层。
深读 · 结论先行AI 生成展开看要点与影响 ↓
蛋白质潜在语言PLLM让低熵样本降54%、结构困惑度降34%，长蛋白采样比AlphaFold2快约1000倍。
- •PLL把序列映射到基于冻结ESM-2的4096状态上下文词表，每个残基一个token
- •PLLM计算缩放指数0.038，是氨基酸自回归模型0.020的近两倍
- •无条件生成中低熵样本比例较氨基酸模型下降54%
- •序列到结构预测中，SLL替换原GCP-VQVAE Lite分词器使验证困惑度降34%
- •长蛋白采样比基于MSA的AlphaFold2快约1000倍
为什么重要：把蛋白质生成从氨基酸token转向可学习潜在语言，同时给出缩放律与速度证据，对做蛋白设计和大规模采样的团队有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。