Nature Methods· Talal Widatalla, Ashir A. Borah, Samuel H. King, Claudia L. Driscoll, Rafael Rafailov, Brian L. Hie·· 2026-08-14精选AI 评分85
ProteinDPO：用直接偏好优化将蛋白生成模型对齐到实验适应度
Aligning protein-generative models to experimental fitness with ProteinDPO
AI 导读
【全文节选总结】研究提出 ProteinDPO，用直接偏好优化（DPO）把实验稳定性数据注入结构条件蛋白语言模型 ESM-IF1，在 Megascale 约 66 万个变体、403 个结构域的留出集上，序列似然与 ΔΔG 的相关性由原始 ESM-IF1 的 Pearson R=0.55 提升至 0.72–0.73，优于监督微调模型的 0.59。
推荐理由
研究把偏好优化用于结构条件蛋白语言模型，展示稳定性对齐能否迁移到结合亲和力与抗体热稳定性任务。
来源：Nature Methods · doi.org