Transformers revolutionieren Vorhersage von Protein-Secondary-Strukturen

Ein neues arXiv‑Veröffentlichung zeigt, wie Transformer‑Modelle Protein‑Sekundärstrukturen – Alpha‑Helices, Beta‑Sheets und Coils – aus Aminosäuresequenzen vorhersagen können. Durch den Einsatz von Aufmerksamkeitsmechanismen gelingt es dem Modell, sowohl lokale als auch entfernte Wechselwirkungen zwischen Residuen zu erfassen. Zusätzlich wird eine Sliding‑Window‑Datenaugmentation auf dem CB513‑Datensatz angewandt, um die Trainingsmenge zu erweitern. Die Ergebnisse demonstrieren eine starke Generalisierungsfähigkeit über Sequenzen unterschiedlicher Länge hinweg und markieren einen bedeutenden Fortschritt in der strukturellen Biologie.