PepEDiff：基于蛋白质嵌入扩散的零样本多肽结合剂设计
人工智能
2026-03-09 v2
摘要
我们提出了 PepEDiff，一种新颖的多肽结合剂生成器，能够根据目标受体蛋白序列及其口袋残基设计结合序列。多肽结合剂的生成在治疗和生化应用中至关重要，然而许多现有方法严重依赖中间结构预测，增加了复杂性并限制了序列多样性。我们的方法脱离了这一范式，直接在源自预训练蛋白质嵌入模型的连续潜在空间中生成结合剂序列，而不依赖预测结构，从而提高了结构和序列多样性。为了鼓励模型捕获与结合相关的特征而不是记忆已知序列，我们进行了潜在空间探索和基于扩散的采样，从而能够生成超出已知结合剂有限分布的多肽。这种零样本生成策略利用全局蛋白质嵌入流形作为语义先验，允许模型在蛋白质空间中以前未见过的区域提出新颖的多肽序列。我们在 TIGIT 上对 PepEDiff 进行了评估，这是一个具有挑战性的目标，具有大而平坦的蛋白质-蛋白质相互作用界面，且缺乏可成药口袋。尽管方法简单，我们的方法在基准测试和 TIGIT 案例研究中均优于 SOTA 方法，证明了其作为零样本多肽结合剂设计的通用、无结构框架的潜力。本研究的代码可在 GitHub 获取：https://github.com/LabJunBMI/PepEDiff-An-Peptide-binder-Embedding-Diffusion-Model
引用
@article{arxiv.2601.13327,
title = {PepEDiff: Zero-Shot Peptide Binder Design via Protein Embedding Diffusion},
author = {Po-Yu Liang and Tibo Duran and Jun Bai},
journal= {arXiv preprint arXiv:2601.13327},
year = {2026}
}