AMix-2: Un Modello Fondamentale Proteina-Testo per la Comprensione e Progettazione Biologica Unificata

Un nuovo modello fondamentale proteina-testo chiamato AMix-2 è stato sviluppato dai ricercatori, che incorpora le sequenze proteiche come parte intrinseca dei modelli linguistici di grandi dimensioni (LLM). Questo modello unisce la comprensione delle proteine e la creazione di sequenze in un unico quadro coeso, eliminando la necessità di modelli distinti per compiti specifici. AMix-2 si basa su due innovazioni principali: una formulazione unificata che integra linguaggio naturale e sequenze proteiche in uno spazio di token comune per il ragionamento biologico e la progettazione condizionale, e un backbone di modellazione linguistica a diffusione per blocchi che migliora la generazione causale tra blocchi consentendo al contempo un contesto bidirezionale e un perfezionamento iterativo, allineandosi più strettamente con le caratteristiche intrinseche delle proteine. Inoltre, il team ha introdotto ProteinArena, un benchmark completo progettato per valutare i modelli fondamentali delle proteine in scenari di generalizzazione realistici. Questa ricerca è disponibile in una prestampa su arXiv (ID: 2605.30963).