CWFBind：面向快速准确的蛋白-配体结合的数几何感知方法
计算机视觉与模式识别
2025-08-14 v1 计算几何
机器学习
摘要
准确预测小分子配体与蛋白靶点的结合构象是理性药物设计中的关键步骤。虽然最近基于深度学习的结合方法在速度和准确性方面超过了传统方法，但许多方法依赖图表示和语言模型式编码器，忽略了关键的几何信息，导致靶点定位不准确和结合构象不真实。在本研究中，我们引入了CWFBind，这是一种基于局部曲率特征的加权、快速且准确的结合方法。具体而言，我们在特征提取阶段集成局部曲率描述子，以丰富蛋白质和配体的几何表示，补充现有的化学、序列和结构特征。此外，我们将度感知加权机制嵌入消息传递过程中，增强模型捕捉空间结构差异和相互作用强度的能力。为解决靶点预测中的类别不平衡问题，CWFBind采用了配体感知的动态半径策略和增强损失函数，促进了更精确的结合区域和关键残基识别。全面的实验评估表明，CWFBind在多个结合基准测试中实现了竞争性能，在准确性和效率之间实现了良好的平衡。
引用
@article{arxiv.2508.09499,
title = {CWFBind: Geometry-Awareness for Fast and Accurate Protein-Ligand Docking},
author = {Liyan Jia and Chuan-Xian Ren and Hong Yan},
journal= {arXiv preprint arXiv:2508.09499},
year = {2025}
}