ProteinGPT: Multimodal LLM for Protein Property Prediction and Structure Understanding

为了理解生物过程、药物开发和生物技术进展，需要对蛋白质结构和序列进行详细分析，这是蛋白质研究中本质上复杂且耗时的任务。为了简化这个过程，我们介绍了ProteinGPT，这是一个最先进的多模态蛋白质聊天系统，允许用户上传蛋白质序列和/或结构进行全面的蛋白质分析和响应性查询。ProteinGPT将蛋白质序列和结构编码器与线性投影层无缝集成，以进行精确的表示适应，同时结合大型语言模型（LLM）生成准确且具有上下文相关性的响应。为了训练ProteinGPT，我们构建了一个包含132,092个带注释蛋白质的大规模数据集，并使用GPT-4o优化了指令调整过程。这个创新系统确保了用户上传的数据和提示之间的准确对齐，简化了蛋白质分析。实验表明，ProteinGPT能够对蛋白质及其相应的问题产生有前途的响应。

论文旨在简化蛋白质结构和序列分析的复杂性和耗时性，提出了一种蛋白质多模态聊天系统ProteinGPT。该系统能够自适应地表示蛋白质结构和序列，并生成准确和相关的响应。

ProteinGPT将蛋白质序列和结构编码器与线性投影层和大型语言模型相结合，通过GPT-40进行指导调整，确保用户上传的数据和提示之间的准确对齐。

论文构建了一个包含132,092个带注释蛋白质的大规模数据集来训练ProteinGPT，并进行了实验验证。ProteinGPT能够快速准确地响应用户上传的蛋白质数据和问题。值得关注的是，ProteinGPT的设计可以为蛋白质研究提供更高效和便捷的分析工具。

近期相关研究包括使用深度学习方法进行蛋白质结构预测和蛋白质-蛋白质相互作用预测的研究，如“AlphaFold: Using AI for Scientific Discovery”和“Predicting protein-protein interactions with graph neural networks and ontological embeddings”。