RIGA-Fold：面向蛋白质逆折叠的通用框架基于递归相互作用与几何感知
机器学习
2026-02-05 v1
摘要
蛋白质逆折叠，即为期望的结构预测氨基酸序列，是 de novo 蛋白质设计中的关键任务。然而，现有的基于图神经网络的方法通常受限于受限的感受野，无法捕捉长程依赖，同时存在“单次推理”范式导致误差累积。为解决这些瓶颈，我们提出 RIGA-Fold 框架，融合递归相互作用与几何感知。在微观层面，我们引入几何注意力更新（Geometric Attention Update, GAU）模块，其中边特征显式作为注意力键，确保严格的 SE(3) 不变局部编码。在宏观层面，我们设计基于注意力的全局上下文桥接（Global Context Bridge），作为软门控机制，动态注入全局拓扑信息。此外，为弥合结构模态与序列模态之间的差距，我们引入增强版 RIGA-Fold*，通过双流架构将可训练的几何特征与来自 ESM-2 和 ESM-IF 的冻结进化先验相结合。最后，实现以生物学方式启发的“预测-回收-精炼”策略，以迭代去噪序列分布。大量实验在 CATH 4.2、TS50 和 TS500 基准上表明，我们的几何框架表现优异，而 RIGA-Fold* 在序列恢复和结构一致性方面均显著优于最先进的基线方法。
引用
@article{arxiv.2602.04637,
title = {RIGA-Fold: A General Framework for Protein Inverse Folding via Recurrent Interaction and Geometric Awareness},
author = {Sisi Yuan and Jiehuang Chen and Junchuang Cai and Dong Xu and Xueliang Li and Zexuan Zhu and Junkai Ji},
journal= {arXiv preprint arXiv:2602.04637},
year = {2026}
}
备注
16 pages, 4 figures. Includes appendix. Preprint under review