跳到正文
原文
arXiv · Quantitative Methods· Piotr Jedryszek, Tongmeng Xie, Adam Winnifrith 等 8 人
· 3 天前

探究并操控 Boltz-1 主干-扩散边界两侧的生物学信息

Probing and steering biology across Boltz-1s trunk-diffusion boundary

预印本 · 尚未经过同行评审

AI 导读

在 Boltz-1 中,序列化学信息在扩散模块中线性可解码性明显下降,且线性可解码不等于可因果操控。

摘要 · AI 翻译

AlphaFold3 类结构预测器将一个表征主干(处理序列与上下文)与一个扩散模块(生成原子坐标)配对。生物信息在跨越这一架构边界时如何变化,目前仍知之甚少。我们使用线性探针、稀疏自编码器(SAE)和因果干预,分析 Boltz-1 的 Pairformer 主干与扩散模块的逐残基激活。从主干中,几何特征(二级结构、无序性)和序列化学特征(氨基酸身份、信号肽、二硫键注释)均可线性解码。在扩散模块中,两者出现分化。二级结构的可解码性保持不变,而序列化学特征的线性可及性大幅降低。随后我们检验可解码方向能否通过编辑主干的单一表征来操控模型。螺旋与卷曲方向以剂量依赖方式改变预测结构,但一个在同一批蛋白质上高度可预测的 β-折叠方向(留出集 F1 =0.78)在我们所操控的任一層面上均未产生可测量的折叠含量增加。移除螺旋或卷曲方向并不会移除该结构。因此,在我们测试的位点上,线性可解码性并不意味着因果影响。同样的探针在 SwissProt 注释上的得分也明显低于在 DSSP 标签上的得分,因为模型预测正确但未被注释的残基会被计为假阳性;因此这类得分只是下界。最后,在已有标签存在的情况下,监督探针的得分高于单个 SAE 特征。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Quantitative Methods · arxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。