ProSST:Shanghai Jiao Tong University、Shanghai AI Laboratory
把残基局部结构量化成 token,并用解耦注意力融合序列与结构的蛋白语言模型。
蛋白 · 学术实验室 · 中国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | ProSST;别名:ProSST-2048 |
| 家族 | 否(不同结构词表大小(K)是同一模型的配置,不单列成员) |
| 机构 | Shanghai Jiao Tong University、Shanghai AI Laboratory |
| 机构类型 / 国家 | 学术实验室 / 中国 |
| 模型类别 | 蛋白语言模型(结构量化 token) |
| 领域 | 蛋白(次领域:结构/共折叠) |
| 首次发布 | †(未核实)(依据:bioRxiv 预印本 v1(会议版在后)) 预印本 DOI 按标题匹配推定(未核实);站上原以会议发表作首发 |
| 其他里程碑 | 最早公开证据 †(未核实)(预印本 v1 公开);预印本 v1 †(未核实)(预印本 v1);官方公告 †(未核实)(2024 年机器学习会议正式发表(具体日期未定)) |
| 最近更新 | †(未核实),会议发表:会议正式发表;仓库 2026-07 与 2026-09 的 README 记事是项目动态,不是模型更新(会议发表的具体日期未定,按月保留(未核实))。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:开放;权重:开放†(未核实);官方仓库公开代码与权重;本轮未取到许可证文本,条款留空 |
| 状态 | 仅维护:仓库在维护并发布项目动态,未见新一代 ProSST 版本 |
| 报过的 benchmark | 2 项计入(榜 2) |
| 湿实验验证 | 无 |
| 全站实体页 | 无(全站无对应页面) |
| 截至 | 2026-11-16 |
做什么
用量化模块把每个残基的局部三维环境映射成离散结构 token,再用序列-结构解耦注意力预训练,用于零样本突变效应预测。它是 VenusREM 的基座;与 SaProt 的区别是结构词表由学习得到,而不是用现成的结构比对工具。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。2 项计入(榜 2)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 02 ProteinGym | 官方参赛 / 官方榜单 | 是 | 零样本替换 DMS 官方汇总表,多个结构词表规模 / zero-shot substitution DMS summary table, several structure-vocabulary sizes | 榜单 | 官方汇总表直接收录多个配置;它在「单序列加结构」一类里居前,但不是总榜第一 | 出处 |
| 34 AbBiBench | 官方参赛 / 官方榜单 | 是 | 抗体结合亲和力相关性,结构感知语言模型一类 / antibody binding-affinity correlation, structure-aware LM category | 榜单 | 该条配对的依据只是本站自己的页面,未打开一手材料(未核实)† | — |
其他评测(不在 44 项内)
- 病毒蛋白上的继承性弱点(站外公开 benchmark,第三方):榜单维护方博文指出继承既有嵌入的模型在病毒蛋白子集上掉点,本模型属同一类
- 后继模型的检索增强对照(仅与基线对比,自报):作为 VenusREM 的基座被反复当作对照,属同组作者自比
开发方称:学习得到的结构量化 token 加解耦注意力,使约 1.1 亿参数的模型在零样本突变效应预测上进入头部一档。
独立证据:未检出独立证据(未检出独立复评或第三方重跑)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 约 1880 万条公开结构 | 出处 |
| b 私有 / 授权 | 否 | 未见私有或授权数据 | — |
| c 自产 wet lab 训练数据 | 否 | — | — |
| d 仅用于验证的 wet lab | 否 | — | — |
湿实验验证
无。开发方未报告湿实验验证,或本站未收录可核的记录。
背景
- 机构:学术团队,无独立公司。上海交通大学与上海人工智能实验室合作,另有高校合作方;成果发表于 2024 年机器学习会议,并延伸出一套蛋白工程工具链。
- 融资:论文致谢未取得,不写资金来源
- 产品与合作:同组的 Venus 系列在其上加检索增强,形成 VenusREM,另有蛋白工程系统与挖掘工具;与 SaProt 属同类结构感知路线。
- 相关模型:VenusREM、SaProt、PoET-2
怎么看
- 官方榜上它在「单序列加结构」一类里居前,但「首个零样本过某阈值的开源模型」这类时点说法本页不引用。
- 依赖预测结构;继承既有嵌入的模型在病毒蛋白上普遍掉点。
- 无湿实验,只能说明 DMS 打分排序,不能说明可设计。
- 最近更新是会议发表,仓库后来的记事属项目动态,别当新版本读。
局限与注意
- AbBiBench 这条配对的依据只是本站页面(未核实)。
- 会议发表日期只到月,预印本 DOI 按标题匹配推定(未核实)。
- 检索与结构输入会抬高分数,不能与单序列模型直接比。
来源
- 官方仓库(仓库)
- ProSST 预印本(DOI 按标题匹配推定)(预印本)
- ProteinGym 官方汇总表(榜单)
- 榜单维护方博文(二手)(二手)
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。