跳到正文
arXiv· Ruihan Guo; Chaoran Cheng; Zhanghan Ni; Neil He; Bangji Yang; Ge Liu·· 4 天前AI 评分58

MutAtlas 构建覆盖 PDB 的蛋白质突变效应能量引导图谱

MutAtlas: A PDB-Wide Energy-Guided Atlas of Protein Mutation Effects

AI 导读

研究构建 MutAtlas,在实验解析的蛋白质结构上穷举单点替换,并对齐物理能量模型、蛋白质语言模型与逆折叠模型的突变信号,形成覆盖 PDB 的突变增强数据集。

预印本 · arxiv · 2611.16361

本站摘要基于收录版本 v1(2026-11-13),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

蛋白质突变效应预测是蛋白质工程和疾病变异解读的基础,然而实验测得的突变数据虽然准确,却极为稀疏。为了提供可扩展的补充突变信号,我们构建了一个覆盖整个 PDB 的突变增强数据集,该数据集在实验解析的蛋白质结构上穷举枚举所有单点替换,并对齐来自基于物理的能量模型、蛋白质语言模型和逆折叠模型的突变信号。在统一的突变偏好表示下进行的大规模分析揭示了各模型之间突变分布在一致性、集中度和替换模式上的显著差异,表明模型间的分歧普遍存在,并反映的是相互冲突的归纳偏置而非随机噪声。受这些观察的启发,我们提出了一种无监督的多源突变偏好蒸馏框架,该框架在学习相对突变偏好的同时显式建模跨源分歧。在训练过程中不使用任何实验突变标签的情况下,我们的方法在 ProteinGym 上取得了所评估的零样本基线和朴素多源融合策略中最好的整体性能。我们公开发布该数据集和评估流程,以支持蛋白质突变效应的可复现研究。

来源:arXiv · arxiv.org