Prompteina
首个支持自然语言指定设计目标的全原子蛋白质结构生成模型，通过文本条件化方式实现蛋白质从头设计，支持残基级对齐微调以实现精细化结构控制
时间轴 (近 90 天)
Prompteina 是首个支持用自然语言指定设计目标的全原子（all-atom）结构生成模型
Prompteina 的工作方式类比于文本生成图像（text-to-image），用自然语言描述即可生成对应的蛋白质三维结构
Prompteina 基于已有的结构生成模型 Proteina-Complexa 进行适配，而非从零训练
Prompteina 的训练流程分为文本条件预训练和残基级对齐微调两步
Prompteina 在 18 项结构属性中的 15 项上超越基线模型
在结合蛋白设计上，Prompteina 在至少 20 个靶点中的 13 个上领先基线，并将界面置信度相比最强基线提升了 14%
引入迭代 in silico 反馈后，在最难的靶点上，Prompteina 相比非迭代生成的增益比次优基线高出 57%
研究团队针对 GM2A 识别出 9 个结合蛋白，其中最强的表观解离常数达到 107 nM
全部知识事实 (8)
Prompteina 是首个支持用自然语言指定设计目标的全原子（all-atom）结构生成模型
50%待验证Prompteina 的工作方式类比于文本生成图像（text-to-image），用自然语言描述即可生成对应的蛋白质三维结构
50%待验证Prompteina 基于已有的结构生成模型 Proteina-Complexa 进行适配，而非从零训练
50%待验证Prompteina 的训练流程分为文本条件预训练和残基级对齐微调两步
50%待验证Prompteina 在 18 项结构属性中的 15 项上超越基线模型
50%待验证在结合蛋白设计上，Prompteina 在至少 20 个靶点中的 13 个上领先基线，并将界面置信度相比最强基线提升了 14%
50%待验证引入迭代 in silico 反馈后，在最难的靶点上，Prompteina 相比非迭代生成的增益比次优基线高出 57%
50%待验证研究团队针对 GM2A 识别出 9 个结合蛋白，其中最强的表观解离常数达到 107 nM
50%