نموذج لغوي يجمع البروتين كقطعة أحجية سريع

الأصل: "RosettaSearch: Multi-Objective Inference-Time Search for Protein Sequence Design"
arXiv:2604.17175 · 2026-04-19 · CC BY-SA 4.0 · 1 دقيقة
شبكة عصبية تختبر احتمالات البروتينات بالتحقق من أشكالها، فتجد تسلسلات ناجحة كانت الطرق السابقة تفوتها.

📄 معروضة نسخة «بسيط» — «متقدم» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها.

البروتين يشبه سلسلة من الخرزات (الأحماض الأمينية) تنطوي إلى شكل محدد بدقة، ويعتمد عمل البروتين في الخلية على هذا الشكل. يبدّل مصممو البروتينات مواقع الخرزات للحصول على الشكل المطلوب، لكن عدد الاحتمالات هائل. الشبكة العصبية LigandMPNN تنتج احتمالًا واحدًا في كل مرة، مثل شخص يجمع أحجية ويضع القطعة في المكان الخطأ من المحاولة الأولى.

الطريقة الجديدة RosettaSearch تستخدم النموذج اللغوي الكبير كمولّد للأفكار. يقترح النموذج العديد من التسلسلات المعدّلة، بينما يتحقق برنامج RosettaFold3 بسرعة من مدى جودة طي كل تسلسل إلى البنية المحددة. يتم البحث ضمن ميزانية حسابية صارمة: مثل طبّاخ يتذوق الطبق، يضيف رشة ملح، ثم يتذوق مرة أخرى، وهكذا حتى يصل إلى الطعم المثالي. في اختبار على 400 بروتين، حيث أعطى LigandMPNN احتمالات فاشلة، وجد RosettaSearch تحسينات في 18–68% من الحالات، وارتفع النجاح الإجمالي 2.5 مرة. تعمل الطريقة أيضًا على بنى جديدة تمامًا مولّدة بالحاسوب.

لم يُدرَّب النموذج من جديد: فهو يستخدم نماذج لغوية جاهزة، فقط يدفعها لاختبار الاحتمالات بذكاء.

المثير للاهتمام أن جودة التحسينات تزداد مع «قدرة التفكير» للنموذج: النسخ الأقوى (o4-mini و Gemini-3) تؤدي أفضل. ويمكن أيضًا إضافة الرؤية: ينظر النموذج إلى صورة البنية المتوقعة للبروتين ويأخذها في الاعتبار أثناء التوليد. هذا أول عرض كبير يبيّن أن النماذج اللغوية يمكن أن تكون أدوات تحسين لتصميم البروتينات دون تدريب شاق.

الملخص الأصلي

كما كتبه المؤلفون، بالإنجليزية arXiv:2604.17175

We introduce RosettaSearch, an inference-time multi-objective optimization approach for backbone conditioned protein sequence design. We use large language models (LLMs) as a generative optimizer within a search algorithm capable of controlled exploration and exploitation, using rewards computed from RosettaFold3, a structure prediction model, under a strict computational budget. In a large-scale evaluation, we apply RosettaSearch to 400 suboptimal sequences generated by LigandMPNN (a state-of-the-art model trained for protein sequence design), recovering high-fidelity designs that LigandMPNN's single-pass decoding fails to produce. RosettaSearch's designs show improvements in structural fidelity metrics ranging between 18% to 68%, translating to a 2.5x improvement in design success rate. We observe that these gains in success rate are robust when RosettaSearch-designed sequences are evaluated with an independent structure prediction oracle (Chai-1) and generalize across two distinct LLM families (o4-mini and Gemini-3), with performance scaling consistently with reasoning capability. We further demonstrate that RosettaSearch improves the sequence fidelity of ProteinMPNN designs for de novo backbones from the Dayhoff atlas, showing that the approach generalizes beyond native protein structures to computationally generated backbones. We also demonstrate a multi-modal extension of RosettaSearch with vision-language models, where images of predicted protein structures are used as feedback to incorporate structural context to guide protein sequence generation. To our knowledge, this is the first large-scale demonstration that LLMs can serve as effective generative optimizers for backbone-conditioned protein sequence design, yielding systematic gains without any model retraining.

تتكون البروتينات من 20 نوعًا فقط من الأحماض الأمينية، لكن تركيباتها تعطي احتمالات أكثر من عدد الذرات في الكون.

في رواية «سولاريس» لستانيسلاف ليم، يخلق المحيط بنى حسب طلب البشر — RosettaSearch يفعل شيئًا مشابهًا للبروتينات، لكن في أنبوب الاختبار حتى الآن.

العلماء
William Lawrence Bragg
المفاهيم
نموذج لغة البروتين تصميم البروتين نماذج اللغة الكبيرة إكس جي بوست تصميم الدواء خوارزمية جينية