【论文阅读】A method for multiple-sequence-alignment- free protein structure prediction using a protein la

A method for multiple-sequence-alignment-free protein structure prediction using a protein language model

1.研究背景

（1）研究问题：这篇文章要解决的问题是如何在不需要多重序列比对（MSA）的情况下，利用蛋白质语言模型进行蛋白质结构预测。现有的基于人工智能的蛋白质结构预测方法，如AlphaFold2，主要依赖于MSA来学习同源序列的共进化信息，但搜索MSA非常耗时，通常需要数十分钟。
（2）研究难点：该问题的研究难点包括：如何在没有MSA的情况下有效地捕捉蛋白质的共进化信息；如何提高蛋白质结构预测的效率，特别是在需要大量预测的任务中。
（3）相关工作：该问题的研究相关工作有：基于MSA的蛋白质结构预测方法，如AlphaFold2和RoseTTAFold；以及尝试将语言模型应用于蛋白质结构预测的研究，但这些方法通常需要两步预测，先预测残基间的二维几何结构，再基于能量最小化重构三维结构。

2、研究方法

这篇论文提出了一种名为HelixFold-Single的方法，用于解决无需MSA的蛋白质结构预测问题。具体来说，

（1）大规模蛋白质语言模型（PLM）预训练：首先，使用自监督学习方法对大规模的单个蛋白质序列进行预训练，以捕捉共进化信息。PLM能够将一级结构编码为单表示和对表示，从而学习领域知识。公式如下：

（2）几何建模模块：然后，结合AlphaFold2中的Evoformer和Structure模块，处理表示并学习几何知识，从而预测原子的三维坐标。EvoformerS（修改版的Evoformer）接受PLM的输出作为输入，采用各种注意力机制交换单表示和对表示之间的信息。