使用 PUMBA 评估蛋白结合界面
机器学习
2025-10-21 v1 定量方法
摘要
蛋白-蛋白对接工具有助于研究蛋白之间的相互作用，是药物、疫苗和治疗方案开发的必备工具。然而，对接工具的准确性取决于能够可靠区分本源复合物和非本源复合物的稳健评分函数。PIsToN 是一种最先进的基于深度学习的评分函数，其架构中使用 Vision Transformer。最近，Mamba 架构在自然语言处理和计算机视觉领域表现卓越，常常优于 Transformer 在其所述领域的模型。在本研究中，我们引入 PUMBA（Protein-protein interface evaluation with Vision Mamba），通过将其 Vision Transformer 主干替换为 Vision Mamba 来改进 PIsToN。这一变更使我们能够利用 Mamba 对图像块序列的高效长程序列建模。结果，该模型在捕捉蛋白-蛋白结合界面特征的全局和局部模式方面的能力得到显著提升。在几个广泛使用的大型公开数据集上的评估表明，PUMBA 持续优于其原始基于 Transformer 的前身 PIsToN。
引用
@article{arxiv.2510.16674,
title = {Evaluating protein binding interfaces with PUMBA},
author = {Azam Shirali and Giri Narasimhan},
journal= {arXiv preprint arXiv:2510.16674},
year = {2025}
}