模型采用Transformer架构和掩码语言模型
学习了蛋白质序列、结构的复杂语义及其与蛋白质功能之间的关系
借助多任务学习方法赋予的零样本预测能力
结合少量实验结果对模型进行强化学习
实现蛋白质从序列到功能的端到端预测
打造了“人工智能计算+少量实验”的蛋白质设计新范式
AccelStb 稳定性提升
AccelAct 活性增强
AccelAff 亲和力成熟
AccelDN 从头设计
交付周期 2-6个月
实验验证 90-120个突变体
阳性率 30%+
同步优化 多个指标