Steigerung der Effizienz von Protein-Sprachmodellen mit minimalen Experimentaldaten im Labor durch Few-Shot-Lernen

Die genaue Modellierung der Fitnesslandschaften von Proteinen ist von großer Bedeutung für das Proteinengineering. Vortrainierte Protein-Sprachmodelle haben eine Spitzenleistung bei der Vorhersage der Proteinfitness ohne experimentelle Daten aus dem Labor erzielt, jedoch bleiben ihre Genauigkeit und Interpretierbarkeit begrenzt. Auf der anderen Seite erfordern traditionelle überwachte Deep-Learning-Modelle eine Fülle von gekennzeichneten Trainingsbeispielen zur Verbesserung der Leistung, was eine praktische Hürde darstellt. In dieser Arbeit stellen wir FSFP vor, eine Trainingsstrategie, die Protein-Sprachmodelle unter extremem Datenmangel effektiv optimieren kann, um die Fitnessvorhersage zu unterstützen. Durch die Kombination von Meta-Transfer-Lernen, Ranglernen und parameter-effizientem Feintuning kann FSFP die Leistung verschiedener Protein-Sprachmodelle signifikant steigern, indem lediglich Dutzende von gekennzeichneten Einzelseitenmutanten des Zielproteins verwendet werden. In silico-Benchmarks über 87 Datensätze zur tiefen mutationalen Durchleuchtung zeigen die Überlegenheit von FSFP gegenüber sowohl unüberwachten als auch überwachten Baselines. Darüber hinaus wenden wir FSFP erfolgreich an, um die Phi29-DNA-Polymerase durch Experimente im Labor zu entwickeln, wodurch eine Steigerung der positiven Rate um 25 % erreicht wurde. Diese Ergebnisse unterstreichen das Potenzial unseres Ansatzes zur Unterstützung des KI-geführten Proteinengineerings.