2025_NIPS_CELLE-2: Translating Proteins to Pictures and Back with a Bidirectional Text-to-Image T...

CELL-E 2 文章总结与翻译

一、主要内容

CELL-E 2 是一款创新的双向非自回归（NAR）Transformer 模型，核心聚焦于蛋白质亚细胞定位的跨模态预测任务，实现了从氨基酸序列到定位图像的生成，以及从定位图像到氨基酸序列的反向预测，为蛋白质设计提供了全新工具。

研究背景

蛋白质亚细胞定位对理解细胞功能、疾病机制至关重要，错误定位可能引发多种疾病。传统预测方法多依赖单一模态数据（序列或图像），且存在标注偏差、生成速度慢、单向预测等局限，CELL-E 模型虽实现了序列到图像的生成，但受自回归特性、数据集规模等限制，应用场景受限。

核心技术与方法

1. 数据支撑：采用双数据集训练策略，基于人类蛋白质图谱（HPA）大规模数据集预训练（覆盖多种细胞类型和成像条件），再通过 OpenCell 数据集微调（来自活细胞共聚焦显微镜成像，更贴近自然蛋白质定位），提升模型泛化能力。
2. 模型架构：融合蛋白质语言模型（ESM-2）的氨基酸序列嵌入与 VQGAN 编码的图像补丁嵌入，通过掩码策略（序列掩码率15%、图像掩码率64%）实现并行解码，突破自回归模型的速度瓶颈。
3. 双向预测：既支持“序列+细胞核图像→蛋白质定位图像”生成，也可基于定位图像反向预测氨基酸序列，满足蛋白质工程中序列设计需求。

关键结果