Mutationswirkung-Transferlernen (METL) ist ein Protein-Sprachmodell-Framework, das maschinelles Lernen und biophysikalische Modellierung vereint. Transformer-basierte neuronale Netze werden auf biophysikalischen Simulationsdaten vortrainiert, um grundlegende Beziehungen zwischen Proteinsequenz, Struktur und Energetik zu erfassen.