利用中介序列MSA与扩散掩码机制的肽序列生成模型及生成方法

本发明涉及一种利用中介序列MSA与扩散掩码机制的肽序列生成模型及生成方法，具体为包含进化信息的肽序列AI模型训练方法。创新性引入中介序列，解决肽因序列过短而无法直接获取进化信息的问题。首先对肽数据集构建MSA，对于其中无法构建有效MSA的，将其序列与蛋白数据库进行比对，选取具有高同源性和适当长度的中介序列，随后构建中介序列的MSA数据，用于引导Al模型捕获进化特征。模型训练采用扩散语言掩码机制和MSA Transformer，在肽MSA中随机掩蔽全部区域，中介MSA中掩蔽肽映射区域，对肽进行嵌入建模和生成。该方法可捕获稀疏的肽进化信息，实现肽的语义建模与高效生成，适用于药物设计、蛋白工程等领域中的肽序列优化与合成。