Ophiuchus：通过分层粗粒化 SO(3) 等变自编码器实现可扩展的蛋白质结构建模
机器学习
2023-12-29 v2
摘要
天然蛋白质的三维天然态呈现出递归且分层的模式。然而，传统的基于图的蛋白质结构建模通常局限于单一细粒度分辨率，并缺乏沙漏型神经架构来学习那些高层构建模块。我们通过引入 Ophiuchus 缩小这一差距，这是一个 SO(3)-等变粗粒化模型，可高效作用于全原子蛋白质结构。我们的模型脱离当前采用图建模的方法，转而聚焦于局部卷积粗粒化，以在蛋白质长度上具有高效时间复杂度的方式建模序列基序相互作用。我们测量了 Ophiuchus 在不同压缩率下的重构能力，并将其与现有模型比较。我们考察了学习到的潜空间，并通过构象插值展示其效用。最后，我们在潜空间中利用去噪扩散概率模型（DDPM）高效采样蛋白质结构。我们的实验表明，Ophiuchus 是高效蛋白质建模与生成的可扩展基础。
引用
@article{arxiv.2310.02508,
title = {Ophiuchus: Scalable Modeling of Protein Structures through Hierarchical Coarse-graining SO(3)-Equivariant Autoencoders},
author = {Allan dos Santos Costa and Ilan Mitnikov and Mario Geiger and Manvitha Ponnapati and Tess Smidt and Joseph Jacobson},
journal= {arXiv preprint arXiv:2310.02508},
year = {2023}
}