arXiv 人工智能· Siyuan Chen, Cai Zhou, Jinrui Zhang, Zhaokang Liang, Taku Komura, Wojciech Matusik, Stephen Bates, Tommi Jaakkola, Wengong Jin, Peter Yichen Chen, Minghao Guo·· 11 小时前AI 评分39
从表面到体积：用于蛋白质表征学习的配准几何
From Surfaces to Volumes: Registered Geometry for Protein Representation Learning
AI 导读
研究团队提出 Protein-TetSphere 蛋白质体表征方法，通过将蛋白质链四面体化并配准到统一拓扑参考系，建立跨残基的一致三维体坐标。该方法将配体结合口袋分类平衡准确率从 0.795 提升至 0.826，并将 BoltzGen 蛋白质结合剂设计成功率从 14.95% 提升至 19.90%，在蛋白质界面预测上也取得性能提升。
来源：arXiv 人工智能 · arxiv.org