RecCrysFormer：从 3D Patterson 图谱进行 refined 蛋白质结构预测的循环训练方法

原子水平确定蛋白质结构仍是结构生物学中的重要挑战。我们提出了一种名为 $\texttt{RecCrysFormer}$ 的混合模型，利用 transformer 的优势，旨在整合实验方法和机器学习方法，以从晶体学数据中进行蛋白质结构 determination。$\texttt{RecCrysFormer}$ 利用 Patterson 图，并融合已知的标准化氨基酸残基部分结构，直接预测电子密度图，这些图对通过晶体学 refinement 过程构建详细的原子模型至关重要。$\texttt{RecCrysFormer}$ 受益于一种“循环”训练方案，该方案在训练过程中不断整合晶体学 refinement 结果和先前训练运行的输出，作为额外输入以模板图形式呈现。使用基于 Protein Data Bank 的合成肽段的初步数据集，$\texttt{RecCrysFormer}$ 在结构预测方面取得良好准确性，并对晶体参数变化（如单位胞尺寸和角度）表现出鲁棒性。