<li id="e0qck"></li>

入選ICLR 2025！浙大沈春華等人提出玻爾茲曼對齊技術(shù)，蛋白質(zhì)結(jié)合能預(yù)測達(dá)SOTA

AIGC動態(tài)2個月前發(fā)布 HyperAI超神經(jīng)

338 0 0

將蛋白質(zhì)發(fā)生突變時結(jié)合能的變化與氨基酸序列出現(xiàn)的可能性聯(lián)系起來

入選ICLR 2025！浙大沈春華等人提出玻爾茲曼對齊技術(shù)，蛋白質(zhì)結(jié)合自由能預(yù)測達(dá)SOTA

原標(biāo)題：入選ICLR 2025！浙大沈春華等人提出玻爾茲曼對齊技術(shù)，蛋白質(zhì)結(jié)合能預(yù)測達(dá)SOTA
文章來源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：10044字

浙江大學(xué)沈春華教授團(tuán)隊在蛋白質(zhì)相互作用研究領(lǐng)域取得突破性進(jìn)展

本文報道了浙江大學(xué)計算機科學(xué)與技術(shù)學(xué)院沈春華教授團(tuán)隊與澳大利亞阿德萊德大學(xué)、美國東北大學(xué)等團(tuán)隊合作，在蛋白質(zhì)-蛋白質(zhì)相互作用(PPIs)研究領(lǐng)域取得的重大突破。該團(tuán)隊提出了一種名為“玻爾茲曼對齊”的技術(shù)，顯著提高了突變效應(yīng)(??G)預(yù)測的準(zhǔn)確性，相關(guān)成果發(fā)表在人工智能領(lǐng)域頂級會議ICLR 2025上。

1. 蛋白質(zhì)相互作用研究的意義與挑戰(zhàn)

準(zhǔn)確預(yù)測蛋白質(zhì)間的相互作用對于理解生命活動、研發(fā)靶向藥物等至關(guān)重要。雖然AlphaFold 3等技術(shù)提升了蛋白質(zhì)結(jié)構(gòu)預(yù)測的準(zhǔn)確率，但蛋白質(zhì)間的相互作用是一個動態(tài)過程，僅依靠靜態(tài)結(jié)構(gòu)難以完全捕捉其本質(zhì)。準(zhǔn)確預(yù)測結(jié)合能變化(??G)是理解和調(diào)節(jié)PPIs的關(guān)鍵，但傳統(tǒng)方法存在費時費力、準(zhǔn)確性不足等問題。

2. 基于深度學(xué)習(xí)的??G預(yù)測方法

深度學(xué)習(xí)方法為??G預(yù)測帶來了新的機遇。例如，中科院團(tuán)隊提出的SidechainDiff方法利用黎曼擴(kuò)散模型取得了較好效果。然而，現(xiàn)有深度學(xué)習(xí)方法也面臨挑戰(zhàn)，例如結(jié)合能的注釋實驗數(shù)據(jù)缺乏，導(dǎo)致許多團(tuán)隊采用預(yù)訓(xùn)練策略，但簡單的監(jiān)督微調(diào)可能導(dǎo)致模型“遺忘”預(yù)訓(xùn)練期間獲得的知識，造成過擬合。

3. 玻爾茲曼對齊技術(shù)：創(chuàng)新突破

沈春華教授團(tuán)隊提出的玻爾茲曼對齊技術(shù)，巧妙地將知識從預(yù)訓(xùn)練的逆折疊模型遷移到??G預(yù)測。該技術(shù)基于玻爾茲曼分布和熱力學(xué)循環(huán)原理，將蛋白質(zhì)突變時結(jié)合能的變化與蛋白質(zhì)氨基酸序列出現(xiàn)的可能性聯(lián)系起來。團(tuán)隊提出了BA-Cycle和BA-DDG兩種方法，分別用于無監(jiān)督和有監(jiān)督的??G預(yù)測。在SKEMPI v2數(shù)據(jù)集上的實驗結(jié)果表明，BA-DDG在各項指標(biāo)上均優(yōu)于現(xiàn)有SOTA方法，BA-Cycle也達(dá)到了與經(jīng)驗?zāi)芰亢瘮?shù)相當(dāng)?shù)男阅堋?/p>

4. 技術(shù)細(xì)節(jié)與優(yōu)勢

玻爾茲曼對齊技術(shù)通過引入貝葉斯定理，巧妙地規(guī)避了直接估計蛋白質(zhì)結(jié)構(gòu)概率的難題，并利用逆折疊模型評估結(jié)合態(tài)和非結(jié)合態(tài)的序列概率。BA-Cycle方法在熱力學(xué)循環(huán)中明確考慮了未結(jié)合態(tài)概率，BA-DDG則通過微調(diào)進(jìn)一步提升了預(yù)測精度，同時避免了過擬合風(fēng)險。