GENEOnet：基于群等变非扩张算子的新机器学习范式及其在蛋白质口袋检测中的应用
生物大分子
2025-10-07 v1 人工智能
机器学习
最优化与控制
摘要
当前可解释机器学习技术的发展备受关注。本文引入一种基于群等变非扩张算子（Group Equivariant Non-Expansive Operators）的新计算范式，可视为新兴的信息处理观测者数学理论的产物。该方法可适配不同场景，相较神经网络等其他常用工具具有诸多优势，如：知识注入与信息工程、相关特征选择、参数量少及更高透明度。我们选取药物设计中的关键问题——检测蛋白质表面可结合配体的口袋——来测试称为 GENEOnet 的方法。实验结果证实，即便在训练集很小的情况下我们的方法也表现良好，从而带来巨大计算优势；与现有最先进方法的最终对比显示，GENEOnet 在准确率上提供更优或相当的结果。
引用
@article{arxiv.2202.00451,
title = {GENEOnet: A new machine learning paradigm based on Group Equivariant Non-Expansive Operators. An application to protein pocket detection},
author = {Giovanni Bocchi and Patrizio Frosini and Alessandra Micheletti and Alessandro Pedretti and Carmen Gratteri and Filippo Lunghini and Andrea Rosario Beccari and Carmine Talarico},
journal= {arXiv preprint arXiv:2202.00451},
year = {2025}
}