跳到正文
arXiv· Shikun Feng; Zipeng Yang; Qiuyi Li; Mingze Yin; Xiaoyuan Zhang; Tingjun Hou; Yiheng Zhu·· 16 天前AI 评分57

BridgeDock 用扩散桥将预训练共折叠模型适配到柔性分子对接

BridgeDock: Taming Generative Co-Folding Prior for Molecular Docking with Diffusion Bridge

AI 导读

BridgeDock 提出一种扩散桥框架,把预训练共折叠模型适配到柔性分子对接,从蛋白与配体的初始 apo 状态出发生成复合物结构,而非从高斯噪声开始。研究引入对齐机制,将桥状态映射到预训练模型原有的去噪调度,使其与预训练去噪器兼容。在标准柔性对接基准上,BridgeDock 表现优于强共折叠基线,推理计算高效,在极少去噪步数下仍然有效。

预印本 · arxiv · 2611.00795

本站摘要基于收录版本 v1(2026-11-03),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

分子对接旨在预测蛋白质-配体复合物的三维结构;在传统的基于结构的设定中,它以输入的蛋白质结构和配体为条件,通常从柔性对接中的apo受体或刚性对接中的holo受体开始。以AlphaFold 3为代表的最新共折叠模型在蛋白质-配体复合物预测方面达到了很高的精度,但它们通常从序列派生的输入生成复合物,因此不会直接将apo结构作为对接中的结构先验,导致构象搜索空间更大,在困难或少步设定下的鲁棒性更弱。我们提出了BridgeDock,这是一个通过将apo到holo的转变建模为扩散桥来使预训练共折叠骨干适应柔性对接的框架,从而允许从初始的蛋白质-配体状态而非高斯噪声进行生成。为了使这种桥公式与预训练去噪器兼容,我们引入了一种对齐机制,将桥状态映射到预训练模型的原始去噪调度。在标准柔性对接基准上的实验表明,BridgeDock始终优于强大的共折叠基线。此外,BridgeDock在推理时计算效率高,即使在去噪步数非常少的情况下仍然有效。

来源:arXiv · arxiv.org