通过纳米 Fokker-Planck 方程捕捉非平衡动力学，提高基于评分的抗体设计
机器学习
2025-11-06 v1 人工智能
定量方法
摘要
计算抗体设计具有巨大的治疗发现前景，但现有生成模型因两个核心挑战受限：(i) 缺乏动力学一致性，导致产生物理上不合理的结构；(ii) 由于数据稀缺和结构偏差，泛化性差。我们提出了 FP-AbDiff，是首个在整个生成轨迹上强制实施 Fokker-Planck 方程（FPE）物理的抗体生成器。该方法通过对混合 CDR 几何流形（R^3 x SO(3)）上的 FPE 残差损失进行最小化，迫使在本地学习的去噪评分在全局上形成一致的概率流。这一物理信息正则化器与深度生物学先验在最先进的 SE(3) 等变扩散框架中进行了协同集成。在 RAbD 数据集上的严格评估确认，FP-AbDiff 建立了新的研究基准。在 de novo CDR-H3 设计中，它在对变量区域进行叠加时实现了 0.99 Å 的平均根均方偏差，较前一最先进模型 AbX 提升了 25%，并实现了最高报告的接触氨基酸恢复率 39.91%。在更具挑战性的六个 CDR 联合设计任务中，本模型持续提供优越的几何精度，将平均完整链根均方偏差降低约 15%，关键的是在功能主导的 CDR-H3 环上实现了最高的完整链氨基酸恢复率 45.67%。通过将生成动力学与物理定律对齐，FP-AbDiff 增强了鲁棒性和可泛化性，建立了一种原则性的方法，用于物理上忠实且功能可行的抗体设计。
引用
@article{arxiv.2511.03113,
title = {FP-AbDiff: Improving Score-based Antibody Design by Capturing Nonequilibrium Dynamics through the Underlying Fokker-Planck Equation},
author = {Jiameng Chen and Yida Xiong and Kun Li and Hongzhi Zhang and Xiantao Cai and Wenbin Hu and Jia Wu},
journal= {arXiv preprint arXiv:2511.03113},
year = {2025}
}
备注
9 pages, 3 figures