PepCompass：利用黎曼几何导航肽嵌入空间
机器学习
2026-02-26 v5
摘要
抗菌肽的发现受限于肽空间的庞大尺寸与活性肽的相对稀缺。生成模型提供了肽空间的连续潜在“地图”，但通常忽略解码器诱导的几何结构并依赖平坦的欧几里得度量，导致探索与优化过程失真且低效。先前基于流形的补救方法假设固定的本征维度，这在肽数据的实际应用中严重失效。在此，我们引入 PepCompass，一个用于肽探索与优化的几何感知框架。其核心是定义了 -稳定黎曼流形并集 ，这是一族解码器诱导的流形，能够捕捉局部几何结构同时确保计算稳定性。我们提出了两种局部探索方法：二阶黎曼布朗高效采样，提供对黎曼布朗运动的收敛二阶近似；以及切空间突变枚举，将切方向重新解释为离散的氨基酸替换。结合两者产生了局部枚举贝叶斯优化（LE-BO），一种用于局部活性优化的高效算法。最后，我们引入了势能最小化测地线搜索，沿属性丰富的测地线在原型嵌入间进行插值，将发现偏向于种子，即具有良好活性的肽。体外验证证实了 PepCompass 的有效性：PoGS 产生了四个新种子，随后通过 LE-BO 优化发现了 25 种具有广谱活性的高活性肽，包括对抗耐药菌株。这些结果表明，几何信息驱动的探索为抗菌肽设计提供了强大的新范式。
引用
@article{arxiv.2510.01988,
title = {PepCompass: Navigating peptide embedding spaces using Riemannian Geometry},
author = {Marcin Możejko and Adam Bielecki and Jurand Prądzyński and Marcin Traskowski and Antoni Janowski and Hyun-Su Lee and Marcelo Der Torossian Torres and Michał Kmicikiewicz and Paulina Szymczak and Karol Jurasz and Michał Kucharczyk and Cesar de la Fuente-Nunez and Ewa Szczurek},
journal= {arXiv preprint arXiv:2510.01988},
year = {2026}
}