MagicDock：通过梯度反转实现面向对接的从头配体设计
机器学习
2025-10-13 v1
摘要
从头配体设计是一项基础任务，旨在完全从零开始生成能够与蛋白质受体有效对接并实现强结合亲和力的蛋白质或分子候选物，对广泛的生物医学应用具有重要意义。然而，大多数现有研究受限于伪从头设计、有限的对接建模和不灵活的配体类型。为解决这些问题，我们提出了MagicDock，一个基于渐进式流水线与可微分表面建模的前瞻性框架。(1) 我们采用精心设计的梯度反转框架。首先，将受体和配体的一般对接知识融入骨干模型。随后，对接知识通过结合预测实例化为反向梯度流，从而迭代引导从头配体生成。(2) 我们强调对接过程中的可微分表面建模，利用可学习的3D点云表示精确捕捉结合细节，从而确保生成的配体通过直接且可解释的空间指纹保持对接有效性。(3) 我们为不同配体类型引入定制化设计，并将它们集成到具有灵活触发器的统一梯度反转框架中，从而确保广泛适用性。此外，我们为MagicDock的每个组件提供了严格的理论保证。在9个场景上的广泛实验表明，MagicDock在蛋白质或分子配体设计的SOTA基线上分别实现了平均27.1%和11.7%的提升。
引用
@article{arxiv.2510.09020,
title = {MagicDock: Toward Docking-oriented De Novo Ligand Design via Gradient Inversion},
author = {Zekai Chen and Xunkai Li and Sirui Zhang and Henan Sun and Jia Li and Zhenjun Li and Bing Zhou and Rong-Hua Li and Guoren Wang},
journal= {arXiv preprint arXiv:2510.09020},
year = {2025}
}
备注
52 pages, 14 figures, 12 tables