蛋白质语言模型中的线性适应度子空间实现样本高效定向进化

研究提出线性适应度子空间（LFS）假设，认为突变引起的残基级表示变化中存在一组紧凑的、测定特异的方向，使适应度变化可从少量标注变体中线性获取。基于此提出的子空间引导进化搜索（SGES）在 10 个核心 ProteinGym 测定、87 个扩展静态验证测定和 18 个测定预算搜索评估中，适应度预测与搜索效率均优于零样本 PLM 及近期 ML 引导的蛋白质优化基线。