用于鲁棒逆向折叠的 AlphaFold 数据库去偏
机器学习
2025-06-11 v1 生物大分子
摘要
AlphaFold 蛋白质结构数据库 (AFDB) 提供了近乎实验精度的无与伦比的结构覆盖度，使其成为数据驱动的蛋白质设计的宝贵资源。然而，将其直接用于训练对细粒度原子几何结构敏感的深度模型（如逆向折叠）时，暴露了一个关键局限性。结构特征分布的对比分析表明，AFDB 结构表现出显著的统计规律性，反映出一种偏离了蛋白质数据库 (PDB) 中实验确定结构构象多样性的系统性几何偏差。虽然 AFDB 结构更干净、更理想化，但 PDB 结构捕捉到了对下游任务泛化至关重要的内在变异性和物理真实性。为了解决这一差异，我们引入了去偏结构自编码器 (DeSAE)，该模型学习从故意破坏的骨架几何结构中重建类天然构象。通过训练模型恢复合理的结构状态，DeSAE 隐式地捕捉到了更鲁棒、更自然的结构流形。在推理阶段，将 DeSAE 应用于 AFDB 结构可生成去偏后的结构，从而在多个基准上显著提升逆向折叠性能。本工作突出了预测结构中微妙系统性偏差的关键影响，并提出了一种有原则的去偏框架，显著提升了逆向折叠等基于结构的学习任务的性能。
引用
@article{arxiv.2506.08365,
title = {AlphaFold Database Debiasing for Robust Inverse Folding},
author = {Cheng Tan and Zhenxiao Cao and Zhangyang Gao and Siyuan Li and Yufei Huang and Stan Z. Li},
journal= {arXiv preprint arXiv:2506.08365},
year = {2025}
}
备注
Under review