arXiv cs.AI·32 天前★ 3

Protein-TetSphere：蛋白质体积几何表示

原文标题：From Surfaces to Volumes: Registered Geometry for Protein Representation Learning

重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

现有蛋白质几何模型多依赖表面局部特征，未显式建模表面下的体积结构。论文提出Protein-TetSphere，将每条蛋白链四面体化并配准到统一拓扑参考，在拉普拉斯基下建立一致的残基级体积坐标。在配体结合口袋分类、蛋白互作界面预测和从头设计任务上均取得提升，粘合剂设计成功率显著提高。

论文速读 · 四段结构cs.LG去论文速读 →

问题: 蛋白质几何模型只看表面局部特征，未显式建模表面下的体积结构。
方法: 把每条蛋白链四面体化并配准到统一拓扑参考，在拉普拉斯基下建立一致的残基级体积坐标。
结果: 配体结合口袋平衡准确率 0.795→0.826，Pinder-Pair/Site AUROC 0.914/0.852→0.932/0.866，粘合剂设计成功率 14.95%→19.90%。
影响: 做蛋白设计或结构预测的团队可把体积几何作为新的多模态输入特征，直接提升结合与设计任务表现。

深读 · 结论先行AI 生成展开看要点与影响 ↓

Protein-TetSphere用残基级体积坐标提升三项蛋白任务，粘合剂设计成功率最高升至32.19%。

为什么重要：现有几何模型多停留在表面局部特征，显式建模表面下体积结构为蛋白设计提供了新的表示维度。

以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。

AI 处理过程展开/收起

原始标题：From Surfaces to Volumes: Registered Geometry for Protein Representation Learning

AI 中文标题：Protein-TetSphere：蛋白质体积几何表示

来源：arXiv cs.AI · 发布于 32 天前

分类：学术研究 · AI 重要度：★ 3（3）

标签：蛋白质表示 / 几何深度学习 / 蛋白质设计 / 多模态

关键词：Protein Representation / Geometric Learning / Binder Design

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。

相关推荐