Dan Kalifa Uriel Singer Kira Radinsky

摘要

蛋白质在生物过程中发挥着至关重要的作用，深入理解生物体内复杂的调控机制离不开对蛋白质的精准表征。准确的蛋白质表示对于药物研发、合成生物学以及疾病机制研究具有重要意义。当前主流方法主要聚焦于一维（1D）结构，强调氨基酸序列信息，但这一方法忽略了决定蛋白质功能与相互作用的关键三维（3D）结构细节。早期尝试融合1D与3D模态的方法，相较于单一模态表示，所获提升有限。在本研究中，我们提出FusionProt——一种新型的蛋白质表示学习框架，旨在同时学习蛋白质的一维序列与三维结构的统一表征。FusionProt引入了一种创新的可学习融合标记（fusion token），作为自适应桥梁，实现蛋白质语言模型与蛋白质三维结构图之间的迭代信息交互。该标记被嵌入到两种模态的训练过程中，促进信息在模态间的无缝传播，并通过多轮迭代学习机制，实现更全面、深入的表示学习。在多种生物任务上的实证评估表明，FusionProt取得了当前最优的性能表现，显著推动了蛋白质表示学习领域的发展。