跳到主要内容
返回时间线
bioRxiv来源发表:

蛋白质设计流水线学会中途改道:IMPRESS让采样在运行时重分配,五段不连续活性位点也能出解

核心概要

蛋白质设计通常把扩散生成骨架、逆折叠设计序列、结构预测验证串成固定流水线,各阶段采样量在开跑前就定死,过滤器只能丢弃候选、无法把采样引向模型能够到的设计空间。IMPRESS把每条设计流水线做成带状态的对象,依据自身累积的骨架、序列与折叠结果在运行时决定停止、继续、重采样或分支,且决策与执行异步进行、不需要全局同步。在41个酶-配体结合基序的AME基准上,自适应流程对含三个及以上不连续残基岛的基序给出高质量解,而固定级联完全无解;在五个残基岛的基序中,超过40%的基序由自适应流程解出。

Source-provided article image: IMPRESS: AI-coupled HPC workflows for protein design
Figure 1 · bioRxiv · 第 6 页

深度剖析

蛋白质设计流水线的采样预算不再在开跑前固定,而是由流水线自己累积的中间结果在运行时决定下一步做什么。 此前的做法是固定扇出的过滤级联:先生成设定数量的骨架,每个骨架设计设定数量的序列,再逐个折叠,只保留通过置信度与几何阈值的候选。 在取自实验测定结合结构的41个酶-配体基序AME基准上,自适应流程对含三个及以上不连续残基岛的基序给出高质量解,而固定级联在这些基序上完全无解。

每条设计流水线是一个持有自身历史的状态对象,在显式决策点可以停止、继续、重采样上一阶段,或派生出继承父状态后独立适应的子流水线。 决策以异步方式相对执行进行评估,因此整个设计活动无需全局同步屏障即可自我修正,成本差异很大的任务能同时保持在运行中。 该框架通过RADICAL-AsyncFlow与RHAPSODY AI-HPC运行时执行,把异构的推理与模拟任务放到异构资源上,并在Delta与Anvil超级计算机的NAIRR配额上完成开发与测试。

在小分子结合物设计上,自适应规则把实际任务构成推向廉价的序列探索、远离昂贵的折叠,集合在活动过程中收敛到更高的平均pLDDT、低置信结构更少。 非自适应参照使用固定路由表,自适应与非自适应两组的阈值在数值上完全相同,差别只在于是否依据累积测量采取行动。 在PDZ结合物重设计上,输入匹配分析包含70个PDZ输入候选中的53个,自适应流程所得集合的序列空间熵与参照在统计上不可区分,但序列表现出有针对性的探索迹象。

启示与展望

已展示的范围是三个计算机模拟用例:不连续酶活性位点骨架生成、从头小分子结合物设计、PDZ结合物重设计,全部比较都在计算机模拟指标之间进行,生产运行在HPC上完成。作者预期自适应参数化对离底层模型训练分布最远的目标最重要,并预期同一组原语可以把实验测量接纳为引导信号。

用于引导流程的指标通常也是用于评估流程的指标,这种循环限制了结果能确立的范围;自适应活动同时组合多个指标与机制,因此这些结果不能决定性地证明某一指标对应蛋白质客观质量的提升。小分子用例的报告活动在调度器墙钟时间到期时终止,任务预算未被触及;PDZ用例中自适应与参照的序列空间熵在统计上不可区分。