「表位切除」重造轮子?新论文裁剪靶点让 de novo 蛋白设计省下大量算力
anshulkundaje · x · 2026-11-01
新论文提出 Agent-guided epitope excision(表位切除)方法,直击 de novo 蛋白结合剂设计的实际瓶颈:绝大部分算力耗在用 AlphaFold3 对数千候选与完整大靶点(如 AlphaFold3 token buckets)重新折叠打分,而结合剂实际只接触一小块局部表面。
核心做法:
- 将靶点裁剪为覆盖结合剂接触残基外加可调空间 halo 的连续序列窗口;
- 只对裁剪后的片段运行 RFdiffusion 骨架生成与 AlphaFold3 重折叠/排序,大幅减少 token 与耗时;
- 在 15 个靶点、3666 个设计的 benchmark 上,裁剪片段的结果基本不损失质量。
病毒学家 Martin Pacesa 转发时调侃「靶点裁剪被重新发明了」,暗示该思路在结构生物学界早有渊源,但论文将其系统化并给出经济性论证。
「研究」频道最新
- 研究者探讨 LLM 能否像科学家一样从反常识现象中发现物理定律 — rohanpaul_ai · 2026-11-01
- LongChang 基准：12 个 LLM 仅 GPT-6-Astra 能自主发现未知物理定律 — rohanpaul_ai · 2026-11-01
- 747 个 AI 想法实测：「想法下降」也有 scaling law — DimitrisPapail · 2026-11-01
- 小米联合多高校提出 A-RSI:11 项基准平均分 57.77 提至 61.05 — mark_k · 2026-11-01
- UC Berkeley 论文：让 Agent 定期清空记忆，成绩最高提升 39% — alexcovo_eth · 2026-11-01
- UniT 框架让统一多模态模型学会多轮规划、检查与迭代精炼 — burkov · 2026-11-01