让物理学引导您的蛋白质流：拓扑感知的展开与生成
机器学习
2025-10-01 v1 人工智能
摘要
蛋白质结构预测与折叠是理解生物学的基本问题，近年来深度学习的进展正在重塑该领域。基于扩散的生成模型在蛋白质设计中取得了突破，使能够创建新蛋白质。然而，这些方法常常忽视蛋白质的内在物理真实性，受噪声动力学驱动，缺乏对物理原理的支撑。为此，我们首先引入一种以经典物理为基础的非线性噪声过程，将蛋白质展开为次级结构（如α-螺旋、线性β-折叠），同时保持拓扑完整性——维持键合，防止碰撞。随后，我们将其与SE(3)上的流匹配范式集成，用于高保真地建模蛋白质主链的不变分布，纳入序列信息以实现序列条件折叠，扩充模型的生成能力。实验结果表明，所提出的方法在无条件蛋白质生成方面实现了最先进的性能，产生更具可设计性和新颖性的蛋白质结构，同时准确地将单链序列折叠为精确的蛋白质构象。
引用
@article{arxiv.2509.25379,
title = {Let Physics Guide Your Protein Flows: Topology-aware Unfolding and Generation},
author = {Yogesh Verma and Markus Heinonen and Vikas Garg},
journal= {arXiv preprint arXiv:2509.25379},
year = {2025}
}