基于序列蒙特卡罗方法的扩散后验抽样用于零样本蛋白质簷构构
生物大分子
2025-10-06 v2 机器学习
机器学习
摘要
随着扩散模型的出现，新的蛋白质的生成率显著提升。簷构构问题需要引导这一生成过程以产生具有可取功能子结构（称为簷构）的蛋白质。虽然已有模型经过训练将簷构作为条件输入，但最近的扩散后验抽样技术可作为零样本替代方案，其近似结果可通过序列蒙特卡罗(SMC)算法进行纠正。在本工作中，我们引入了一套新的引导势能，用于描述簷构任务，并通过适应SMC辅助扩散后验抽样器来求解，使用无条件模型Genie作为先验。在单簷构问题中，我们发现：(i)所提出的势能在可比性上相当于甚至优于传统掩码方法；(ii)基于重建引导的抽样器在替换方法方面表现更好；(iii)测度倾斜提议和扭曲目标显著提高了性能。此外，作为演示，我们通过将重建引导与SE(3)-不变势能配对，解决了两个多簷构问题。我们还为点对称约束提供了一个引导势能，以产生可设计的内部对称单体。我们的代码可在https://github.com/matsagad/mres-project获得。
引用
@article{arxiv.2412.05788,
title = {On diffusion posterior sampling via sequential Monte Carlo for zero-shot scaffolding of protein motifs},
author = {James Matthew Young and O. Deniz Akyildiz},
journal= {arXiv preprint arXiv:2412.05788},
year = {2025}
}
备注
Published in Transactions on Machine Learning Research (09/2025). Reviewed on OpenReview: https://openreview.net/forum?id=KXRYY7iwqh