zPocket 获 MoML2026 最佳论文:冻结共折叠模型预测药物结合口袋

edunov · x · 2026-10-17

Genesis Molecular AI 实习生、MIT 博士生 Tally Portnoi 的 zPocket 论文获 MoML2026(由 MIT AI Health 主办)最佳论文奖(Octavian-Eugen Ganea Prize)。

核心思路:结构导向药物设计的第一步是找到蛋白上可结合小分子的口袋。传统 pocket finder 主要看结构形状猜哪些凹槽「像可成药的」,在陌生蛋白上效果差。作者发现共折叠(co-folding)模型因为学习了大量蛋白-配体复合物,已经隐含掌握了小分子结合位置的知识。

方法:在冻结的共折叠模型权重之上,仅训练一个小 head(配 PocketWatch 逐残基标签),即可输出逐残基的 P(pocket) 预测。配图展示了方法概览、CRBN 蛋白上已知与新隐秘位点的预测示例,以及与 UniSite-1D、P2Rank、VN-EGNN 等基线在 PocketWatch 各相似度分层的对比——zPocket 的 per-pocket AUPRC 在每个测试切片上都优于全部对比方法,包括与预训练数据截止前记录相似度最低(最新颖)的蛋白。

作者还指出:现有 pocket benchmark 的数据早于现代共折叠模型的训练数据,存在基准污染问题,论文为此构建了新基准。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →