다중 모달 대형 언어 모델을 이용한 단백질 기능 예측

초록 단백질 기능 예측은 생물학적 발견과 응용을 크게 가속화할 수 있으며, 최근 딥 러닝 방법이 큰 잠재력을 보여주고 있습니다. 그러나 이러한 방법은 주로 단백질 기능을 이산 범주로 예측하여 단백질 기능의 미세하고 복잡한 본질을 포착하지 못합니다. 더욱이, 기존 방법은 각 예측 작업에 대해 별도의 모델 개발을 요구하며, 이는 자원 소모가 크고 시간이 많이 소요되는 과정입니다. 여기에서 우리는 단백질의 아미노산 서열을 입력으로 받아 기능을 설명하는 포괄적인 내러티브를 생성하는 다목적, 다중 모달 대형 언어 모델인 ProteinChat을 소개합니다. ProteinChat은 다양한 기능을 포함하는 스위스-프로트 데이터셋에서 선별된 1,500,000건 이상의 (단백질, 프롬프트, 답변) 삼중항을 사용하여 훈련되었습니다. 이 새로운 모델은 단일 통합 프레임워크 내에서 광범위한 단백질 기능을 보편적으로 예측할 수 있습니다. 더욱이, ProteinChat은 인간 사용자와의 상호작용 대화를 지원하여 예측의 반복적인 개선과 단백질 기능에 대한 더 깊은 탐색을 가능하게 합니다. 우리의 실험 결과는 인간 전문가 평가와 자동화된 메트릭을 통해 평가되었으며, ProteinChat이 기존의 대표적인 LLM인 GPT-4와 같은 일반 목적 LLM을 10배 이상 능가함을 보여줍니다. 또한, ProteinChat은 작업 특정 예측 모델의 성능을 초과하거나 일치합니다.