PALM在ESM2基础上加入结构域与功能位点注释,零样本评估错义变异,在文献来源数据集上优于AlphaMissense
- PALM从序列同时预测结构域与功能位点是否出现,通过软目标函数保留重叠和嵌套的注释;其构建在ESM2之上,并加入低秩适配和循环编码器。
- 模型在约1500万条带InterPro注释的序列上训练,对与训练数据同源性低的蛋白仍保持良好表现,并优于ESM3注释基线。
- 不使用任何致病性标签,其嵌入的扰动对ClinVar错义变异的区分优于单独的ESM2,组合评分在ClinVar之外的文献来源数据集上优于AlphaMissense。
💡 要点 基于摘要的观点
变异效应预测器在ClinVar上往往看起来最强,因为标签与训练信号存在重叠,所以应重点看ClinVar之外的文献来源数据集结果。对靶点团队来说,位点级注释是马上可用的部分:可以提示患者队列中发现的错义变异是否落在结合位点或催化位点。摘要中没有说明对内在无序区变异的处理效果。
A protein language model for domain, functional site, and variant effect prediction ↗