跳到正文
Molence· @MolenceBio · X·· 5 天前AI 评分44
AI 导读

与热门开源 cofolding 模型进行基准对比:Mol-1-constraint 取得: 🧬 抗体–抗原:在 FoldBench-AB(DockQ >0.23)上,从 Mol-1 到 Mol-1-constraint,成功率 75.0% → 88.3%。 💊 蛋白质–配体:在 Runs N' Poses 的 0–20 相似度区间上为 36.1% → 63.9%,比 Mol-1 高出 27.8 个百分点! 📈 蛋白质–多肽:在 MolBench-Peptide-26 上,DockQ>0.80 的成功率从 54.1% 提升至 60.2%。 (2/3)

正文 · 原文

Benchmark against popular open-source cofolding models: Mol-1-constraint achieved:​
🧬 Antibody–antigen: 75.0% → 88.3% success, from Mol-1 to Mol-1-constraint, on FoldBench-AB (DockQ >0.23). ​
💊 Protein–ligand: 36.1% → 63.9% on Runs N’ Poses’ 0–20 similarity bin, which is 27.8 percentage points above Mol-1!​
📈 Protein-peptide: from 54.1% to 60.2% success rate of DockQ>0.80 on MolBench-Peptide-26.
(2/3)

来源:Molence · x.com