G-VAE:用于蛋白质结构生成的几何卷积变分自编码器
计算机视觉与模式识别
2021-06-23 v1
摘要
分析蛋白质结构是从分子层面理解其功能及生物学作用的关键,而以系统化方式设计新蛋白质更是一项重大工程挑战。本文提出一种几何-神经网络联合方法,用于比较、形变与生成三维蛋白质结构。将蛋白质结构视为三维开放曲线,我们采用平方根速度函数(SRVF)表示,并利用其适宜的几何性质与深度残差网络(ResNets)进行联合配准与比较。我们的ResNets能更好处理大尺度蛋白质形变,且计算更高效。在上述数学框架之上,我们进一步设计了几何变分自编码器(G-VAE),训练后可将未见过的原始结构映射至低维(隐)超球面。受预形状空间球面结构启发,我们自然采用von Mises-Fisher (vMF)分布建模隐变量。我们通过生成新颖蛋白质结构及预测受损蛋白质结构补全,验证了模型有效性。实验结果表明,本方法能生成不同于训练数据的合理结构。
引用
@article{arxiv.2106.11920,
title = {G-VAE, a Geometric Convolutional VAE for ProteinStructure Generation},
author = {Hao Huang and Boulbaba Ben Amor and Xichan Lin and Fan Zhu and Yi Fang},
journal= {arXiv preprint arXiv:2106.11920},
year = {2021}
}
备注
14 pages