DockGame：用于多聚体刚性蛋白质对接的合作博弈
机器学习
2023-10-11 v1
摘要
蛋白质相互作用与组装形成是大多数生物过程的基础。从组成蛋白质预测组装结构——即蛋白质对接任务——因此是蛋白质设计应用中的关键步骤。大多数传统的与深度学习方法主要聚焦于二元对接，遵循基于搜索、基于回归或生成建模范式。本文关注研究较少的多聚体（即两个或更多蛋白质）对接问题。我们提出 DockGame，一种新颖的博弈论对接框架——我们将蛋白质对接视为蛋白质间的合作博弈，其中最终组装结构构成相对于底层博弈势的稳定均衡。由于我们无从获知真实势，我们考虑两种途径：i）由基于物理的能量函数引导学习替代博弈势，并通过同步梯度更新计算均衡；ii）通过学习所有蛋白质动作空间（旋转与平移）上的扩散生成模型，从真实势的 Gibbs 分布中采样。在 Docking Benchmark 5.5（DB5.5）数据集上的实证表明，DockGame 比传统对接方法运行速度快得多，可生成多个合理组装结构，并达到与现有二元对接基线相当的性能，尽管其求解的是协调多条蛋白质链的更难任务。
引用
@article{arxiv.2310.06177,
title = {DockGame: Cooperative Games for Multimeric Rigid Protein Docking},
author = {Vignesh Ram Somnath and Pier Giuseppe Sessa and Maria Rodriguez Martinez and Andreas Krause},
journal= {arXiv preprint arXiv:2310.06177},
year = {2023}
}
备注
Under Review