BindEnergyCraft：将蛋白质结构预测器转化为基于能量的模型以进行结合剂设计
机器学习
2025-05-28 v1
摘要
基于幻觉的方法通过反向传播优化结构预测置信度指标（如界面预测 TM-score (ipTM)），已经变革了蛋白质结合剂设计。然而，这些指标不能反映结合剂-靶标复合物在学习分布下的统计似然，并且在优化过程中产生稀疏梯度。在本工作中，我们提出了一种通过将结构预测器的置信度输出重新解释为基于能量的模型 (Energy-Based Model, EBM) 来从中提取此类似然的方法。通过利用联合基于能量建模 (Joint Energy-based Modeling, JEM) 框架，我们引入了 pTMEnergy，这是一种从预测的残基间误差分布导出的统计能量函数。我们将 pTMEnergy 整合到 BindEnergyCraft (BECraft) 中，这是一个保持了与 BindCraft 相同的优化框架但用我们基于能量的目标替换了 ipTM 的设计流水线。BECraft 在多个具有挑战性的靶标上优于 BindCraft、RFDiffusion 和 ESM3，在减少结构冲突的同时实现了更高的计算机模拟结合剂成功率。此外，pTMEnergy 在针对微型蛋白和 RNA 适配体结合剂的基于结构的虚拟筛选任务中确立了新的 SOTA。
引用
@article{arxiv.2505.21241,
title = {BindEnergyCraft: Casting Protein Structure Predictors as Energy-Based Models for Binder Design},
author = {Divya Nori and Anisha Parsan and Caroline Uhler and Wengong Jin},
journal= {arXiv preprint arXiv:2505.21241},
year = {2025}
}