文献类型：期刊文章

作　　者：张良[1] 谈攀[2,3] 洪亮[1,2,3,4]

ZHANG Liang;TAN Pan;HONG Liang(School of Physics and Astronomy,Shanghai Jiao Tong University,Shanghai 200240,China;Shanghai National Center for Applied Mathematics(SJTU Center)&Institute of Natural Sciences,Shanghai Jiao Tong University,Shanghai 200240,China;Shanghai Artificial Intelligence Laboratory,Shanghai 200232,China;Zhangjiang Institute for Advanced Study,Shanghai Jiao Tong University,Shanghai 201203,China)

机构地区：[1]上海交通大学物理与天文学院,上海200240 [2]上海应用数学中心&上海交通大学自然科学研究院,上海200240 [3]上海人工智能实验室,上海200232 [4]上海交通大学张江高等研究院,上海201203

出　　处：《生物工程学报》

基　　金：国家自然科学基金(12104295)。

年　　份：2025

卷　　号：41

期　　号：3

起止页码：934-948

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：蛋白质突变效应预测是生物信息学和蛋白质工程领域的一个关键挑战。近年来,深度学习,特别是蛋白质语言模型的发展为该领域带来了新的机遇。本文综述了蛋白质语言模型在蛋白质突变效应预测中的应用,重点讨论了3类主要模型:基于序列的模型、基于结构的模型以及结合序列和结构信息的模型,详细分析了这些模型的原理、优势和局限性,并探讨了无监督学习和监督学习在模型训练中的应用。此外,还讨论了当前面临的主要挑战,包括高质量数据集的获取、数据噪声的处理等。最后,展望了未来研究方向,包括多模态融合、少样本学习等新兴技术的应用前景。本综述为研究者提供了一个全面的视角,以推动蛋白质突变效应预测领域的进一步发展。

关 键 词：蛋白质语言模型  突变效应预测  深度学习  序列模型  结构模型  多模态融合 无监督学习 监督学习  

分 类 号：Q61]