SPOC 方法为 ESMFold2 PPI 筛查去伪:速度对标 AlphaFold2 快 2.7 倍
proteinrosh · x · 2026-09-20
这项研究针对蛋白质组尺度结构 PPI 筛查的核心痛点:结构预测器即使对不互作的蛋白对也常给出看似合理的界面,仅靠结构置信度无法可靠判定生物学互作,尤其在极端类别不平衡下。
- 提出 SPOC 评分方法:基于 ESMFold2 预测结构 + 公共生物学数据库构建 domain-domain 互作分类器(Random Forest,39 特征:25 结构 + 14 生物学),并附完整 GitHub 开源仓库(inference.py 可对单个蛋白二聚体打分,notebook 复现论文图表)
- 用 MSA-free 的 ESMFold2-Fast 构建可扩展 pipeline:recycling 削减到 3 次仍保精度,3-recycle 在 FoldBench PPI 上达到 57% DockQ≥0.23 可接受率,与 AlphaFold2-Multimer(LocalColabFold)的 56% 相当
- 速度优势明显:266 分钟 vs 718 分钟;并用 PAE 引导的 domain 解析绕开 GPU 显存/长度限制(每链 ≤350 aa、复合物 ≤750 aa)
结论:结构证据 + 生物学证据联合重排序,可在大幅提速的同时维持 PPI 筛查精度。
「研究」频道最新
- 新研究：蒸馏输出变长源于师生 EOS token 不一致 — tw_killian · 2026-09-20
- XGEN 发布生成式世界模拟系统 JING+DAO，登顶 WBench 榜单 — hey_abusiddik · 2026-09-20
- Schmidhuber 重申：LLM 不算真正有创造力，缺了压缩进步机制 — SchmidhuberAI · 2026-09-20
- 实测 Jev 判 NASA 开普勒信号:总准确率仅 54%,输给三条规则基线 — This_Cell_1829 · 2026-09-20
- François Fleuret 给训练曲线起绰号，研究者：我也骂我的基线 — giffmana · 2026-09-20
- HN 热议：OpenAI 用自家 LLM 辅助设计自研 Jalapeño 芯片 — petrusenko_max · 2026-09-20