Aller au contenu principal
Accès ouvert déclaré 2025 preprint

The Dayhoff Atlas: scaling sequence diversity for improved protein generation

12Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : us, gb. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Abstract Organized information powers modern biology, a framework pioneered by Margaret Dayhoff’s Atlas of Protein Sequence and Structure and advanced by today’s databases and computational methods. Here, we extend this paradigm for the AI era, presenting the Dayhoff Atlas of protein sequence data and generative models to accelerate protein biology and design. The Atlas introduces GigaRef, the largest open dataset of natural proteins, spanning 3.34B genomic and metagenomic sequences across 1.70B clusters, and BackboneRef, which distills structural information from 240,811 synthetic backbones into 46M synthetic sequences. Leveraging these datasets, we trained the Dayhoff protein language models, which can predict mutation effects, scaffold structural motifs, and generate novel proteins within families. Training on metagenomic and structure-based synthetic sequences increased the expression rates of generated proteins, demonstrating the value of data diversity and scale. We release the Dayhoff Atlas code, datasets, and models under a permissive license to empower computation in protein design.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
The Dayhoff Atlas: scaling sequence diversity for improved protein generation
Date Crossref
25/07/2025
Éditeur
openRxiv
Type
posted-content

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Microsoft (United States) pays non établi dans la notice
    Entreprise
  • Microsoft Research (United Kingdom) pays non établi dans la notice
    Entreprise
  • Microsoft Reserch pays non établi dans la notice
    Institution
  • Microsoft Cloud & AI pays non établi dans la notice
    Institution

Microsoft (United States), Microsoft Research (United Kingdom) et Microsoft Reserch, avec 1 autre affiliation.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Genomics and Phylogenetic StudiesRNA and protein synthesis mechanismsProtein Structure and Dynamics

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.