escalante-bio/mosaic

解決的問題

Mosaic 提供一個統一的多目標蛋白質設計框架。它解決了將多種不同的蛋白質性質預測模型（例如結構預測、穩定性、溶解度模型）整合到單一可微分的優化流程中的困難，而無需處理碎片化的相依性或複雜的 Bash 腳本。

工作原理

基於 JAX 實現高效率的即時（JIT）編譯，Mosaic 為多種蛋白質模型提供通用介面。它在連續且鬆弛的序列空間上進行基於梯度的優化，允許使用者定義一個複合損失函數——結合來自不同模型的學習勢能——並使用各種基於梯度的優化器（如 simplex_APGM）進行優化。

適用對象

專為需要為特定應用（如設計高親和力蛋白質結合劑）實現自訂目標函數與優化演算法的蛋白質工程與計算生物學研究人員與開發者設計。

主要亮點

• 廣泛的模型整合：包含一個「模型動物園」，包括 Boltz-1/2、AlphaFold2、OpenFold3、Protenix、ESMFold2、ProteinMPNN 和 ESM-2/C。
• 模組化損失函數：可輕鬆組合結構預測損失、逆摺疊似然與穩定性預測器，形成單一目標函數。
• 連續鬆弛：實現蛋白質序列的高效梯度優化。
• 彈性優化器：提供一組內建優化器，並支援輕鬆實作與替換自訂優化演算法。