Выложенная в открытый доступ модель предназначена для генерации никогда не встречавшихся в природе белковых последовательностей.

DiMA представляет собой белковую языковую модель (Protein Language Model, PLM) размером в 35 млн параметров. Модель-трансформер состоит из трех компонентов: предобученного кодировщика (энкодера), создающего представления белков для скрытого (латентного) пространства модели, нейросети, которая методом непрерывной гауссовой диффузии генерирует векторные представления, и декодера, который преобразовывает последние обратно в белковые последовательности.

Модель может создавать первичные структуры как произвольно, так и на основании заданных характеристик: структуры, принадлежности к тому или иному семейству белков и так далее.

Разработчики обучали и тестировали DiMA на датасетах Swiss-Prot и AFDBv4-90, содержащих описания характеристик и структур белков.

Модель DiMA была представлена исследователями из Института AIRI в сентябре 2025 года.

Препринт на arXiv

Репозиторий в GitHub

👤 Павел Страшнов