IDiom 与 RL-SAE:在 5400 万条预测 IDR 上训练的自回归模型,用稀疏自编码器特征强化生成可组合的固有无序区序列
作者提出 IDiom——在从 AlphaFold 数据库整理的 5400 万条预测固有无序区(IDR)上训练的自回归蛋白质语言模型,并引入基于稀疏自编码器特征的强化学习(RL-SAE)后训练方法,通过奖励激活指定特征集的序列来控制功能相关序列模式;在八项 IDR 设计任务中,RL-SAE 生成的序列平均激活 30 个目标特征中的 90%,而激活引导为 24%,并在预测的亚细胞定位与转录活性上优于引导和监督微调,还能把不同生物功能的特征组合进单条序列。