蛋白质结构的内部坐标密度建模：协方差至关重要

在蛋白质结构预测取得近期突破性进展之后，蛋白质机器学习中剩余的挑战之一是可靠地预测结构状态的分布。由于蛋白质链中自由度之间复杂的协方差结构，波动的参数模型难以拟合，常导致模型违反局部或全局结构约束。在本文中，我们提出一种在内部坐标下建模蛋白质密度的新策略，该策略利用三维空间中的约束来诱导内部自由度之间的协方差结构。我们通过构建一个变分自编码器来展示该方法的潜力，其全协方差输出由三维条件均值所隐含的约束诱导，并证明我们的方法使得内部坐标的密度模型能够扩展到完整蛋白质主链的两种设定：1) 针对表现出微小波动且可用数据有限的蛋白质的单峰设定；2) 针对高数据量下较大构象变化的的多峰设定。