跳到正文
arXiv· Huifeng Zhao; Jintu Zhang; Yifei Xiao; Youqiao Qian; Silong Zhai; Zichang Jin; Li Wang; Yuchao Wang; Hang Dong; Yifan Zhao; Zhenxing Wu; Hongyan Du; Yuansheng Huang; Bowei Zhao; Xiaorui Wang; Shukai Gu; Jike Wang; Zhongjun Li; Zhongtang Li; Tingjun Hou; Yu Kang·· 20 天前精选AI 评分77

GlycoWeave 扩散框架实现蛋白质与糖复合物的准确结构建模

Accurate structural modelling of protein-glycan recognition with GlycoWeave

AI 导读

研究团队提出糖特异性扩散框架 GlycoWeave,用于预测蛋白质与糖复合物结构,在698个复合物基准上取得71.9%的Top-25高质量成功率,AlphaFold 3为19.2%。

推荐理由

论文在698个蛋白质与糖复合物样本上对比AlphaFold 3,并给出单构象采样耗时,便于判断专用扩散框架的取舍。

预印本 · arxiv · 2610.37410

本站摘要基于收录版本 v1(2026-10-28),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-聚糖识别是多种生物学过程的基础,但由于聚糖的化学多样性、构象柔性以及实验结构覆盖稀疏,准确预测蛋白质-聚糖复合物结构仍具挑战。本文我们提出 GlycoWeave,一个专用于聚糖的扩散框架,整合了化学约束的构象采样、多尺度分子表示和多源学习。通过在内部坐标空间中操作,GlycoWeave 在高效探索结合态构象的同时,保持了聚糖的连接性和立体化学。一个异构等变网络将原子级相互作用几何与单糖级结构背景耦合,而多源、多头训练则将实验复合物结构与使用经典和量子力学精修势能优化的结构进行整合。在包含 698 个蛋白质-聚糖复合物的基准测试中,GlycoWeave 达到 71.9% 的 Top-25 高质量成功率,而 AlphaFold 3 仅为 19.2%,且每个采样构象仅需 0.34 秒。GlycoWeave 进一步保持了聚糖的结构有效性,恢复了天然蛋白质-聚糖相互作用,并重现了连接特异性的构象偏好,在多样的聚糖架构和蛋白质环境中均保持高精度。这些结果确立了 GlycoWeave 作为建模蛋白质-聚糖识别的准确、高效且化学忠实的框架。GlycoWeave 可在 https://cadd.zju.edu.cn/glycoweave 免费获取。

来源:arXiv · arxiv.org