EPFL的AI创新：蛋白质相互作用预测新纪元，精度堪比AlphaFold，结合DiffPALM揭示蛋白质复合体的秘密

蛋白质，生命的基石，参与各种生物过程，其相互作用的研究对揭示细胞功能、药物研发和疾病治疗至关重要。EPFL的Anne-Florence Bitbol团队创新性地提出了一个蛋白质序列配对方法，利用蛋白质语言模型在多序列比对上的训练，尤其适用于小规模数据集。该方法能增强蛋白质复合物结构预测的准确性，克服了深度学习如AlphaFold在预测复合体结构时的局限性。

新方法称为DiffPALM，基于可微分的配对语言模型，通过Masked Language Modeling（MLM）预测同源词匹配，从而高效解析蛋白质间的复杂相互作用。在原核生物蛋白质数据集的基准测试中，DiffPALM的表现优于现有协同进化方法，且在提供已知相互作用对时性能提升显著。

DiffPALM的潜力不仅限于基础研究，它在医学研究和药物开发中也有广泛应用。准确预测蛋白质相互作用有助于理解疾病机制并开发靶向疗法。研究人员已公开DiffPALM，鼓励科研人员使用以推动计算生物学的进步，并深入探索蛋白质相互作用的奥秘。

这一创新标志着计算生物学的进步，提升了对蛋白质相互作用的理解，为医学研究开辟新路径，有望在疾病治疗和药物发现中实现突破。

本文来源：