InstructPro2：自然语言与生物学依据引导的蛋白质从头设计

arXiv:2610.19592v1 公告类型：新稿 摘要：生成具有预期功能的蛋白质是计算生物学的核心目标。尽管自然语言能够表达多样化的设计目标，现有蛋白质生成方法往往仅支持有限的任务，或对生物学约束的利用不足。我们开发了 InstructPro2，将自然语言设计目标转化为蛋白质序列，同时融入任务特定的生物学背景信息。文本编码器提取设计指令中的信息，而专用的配体编码器和抗原编码器则为序列生成解码器提供生物学背景信息。在预训练阶段，我们构建了 InstructPro2Bench，其中包含来自 UniProtKB 的 2.057 亿个数据对。随后，我们将模型适配于配体结合蛋白和抗体设计。在功能性蛋白质生成基准测试中，InstructPro2 优于最强基线模型 Pinal，功能恢复 F1 得分达到 74.8，而 Pinal 为 62.2；全局均方根偏差（RMSD）从 5.33 Å 降至 3.04 Å。在抗体设计任务中，该模型获得了 0.39 的 DockQ 得分；在配体结合蛋白设计任务中，对接成功率达到 72.6%。这些发现表明，将自然语言指令与生物学条件信息相结合，能够将蛋白质生成拓展至不同的设计场景。