清华大学龚海鹏团队《自然·通讯》：端到端的单序列蛋白质结构与适应度预测模型SPIRED-Fitness

清华大学龚海鹏团队在《Nature Communications》发表的研究提出了一种名为SPIRED的单序列蛋白质结构预测模型，该模型在CAMEO/CASP15测试集上与OmegaFold精度相当，并在SCOPe数据库上的预测精度超过ESMFold。SPIRED的推理速度约为其他模型的5倍，训练时间仅为它们的十分之一。研究还集成了SPIRED与图神经网络形成SPIRED-Fitness框架，能快速预测蛋白质适应度及结构，其预测精度在ProteinGym数据集上超过多数单序列模型，接近基于MSA的模型。此外，基于SPIRED-Fitness参数训练的SPIRED-Stab模型在预测蛋白质稳定性变化方面达到最先进性能。该研究解决了现有单序列模型训练代价大、推理时间长的问题，提供了高效的蛋白质结构与功能预测工具。