Protein-Sprachmodell-Embeddings steigern Generalisierung von Transferoperatoren

Eine neue Studie aus dem Bereich der Molekulardynamik zeigt, dass Protein-Sprachmodell-Embeddings die Generalisierung von impliziten Transferoperatoren (TITO) deutlich verbessern. Durch die Kombination von generativen Molekulardynamikmodellen mit zusätzlichen Informationsquellen wird die Daten­effizienz gesteigert und die Übertragbarkeit auf neue Proteine erhöht.

Molekulardynamik (MD) ist ein zentrales Werkzeug, um experimentelle Beobachtungen aus hochdimensionalen molekularen Verteilungen zu berechnen. Traditionelle MD-Methoden sind jedoch stark durch den hohen Rechenaufwand begrenzt, der nötig ist, um unabhängige Proben zu erzeugen. Generative Molekulardynamik (GenMD) hat sich als Alternative etabliert, indem sie Surrogatmodelle für molekulare Verteilungen lernt, entweder aus Daten oder durch Interaktion mit Energienetzen.

Die vorgestellte Methode, PLaTITO, nutzt sogenannte „implicit transfer operators“ (TITO) und integriert dabei Protein-Sprachmodell-Embeddings. Diese Embeddings liefern zusätzliche Kontextinformationen, die die Lernfähigkeit des Modells verbessern. Im Vergleich zu klassischen Boltzmann‑Emulatoren zeigen die coarse‑grained TITO‑Modelle eine deutlich höhere Daten­effizienz.

In umfangreichen Benchmarks für die Gleichgewichts­sampling‑Aufgaben erzielt PLaTITO einen neuen Stand der Technik, insbesondere bei Proteinen, die außerhalb des Trainingsdatensatzes liegen. Die Methode demonstriert eine herausragende Leistung bei schnellen Faltungs­proteinen und liefert damit ein vielversprechendes Werkzeug für die Vorhersage von Protein‑Dynamik.

Zusätzlich wurden weitere Konditionierungs­signale untersucht, darunter strukturelle Embeddings, Temperaturinformationen und Embeddings aus großen Sprachmodellen. Diese zusätzlichen Signale tragen weiter zur Leistungsverbesserung bei und eröffnen neue Perspektiven für die Entwicklung von universell einsetzbaren, daten­effizienten Modellen in der Molekulardynamik.