跳到正文
bioRxiv· Suzuki, S.; Amagasa, T.·· 来源仅提供日期AI 评分65

ConforFlux:用于 Boltz-2 的粒子引导主干排斥方法提升蛋白构象多样性

ConforFlux: Particle-Guided Trunk Repulsion for Diverse Protein Conformations

AI 导读

ConforFlux 是一种面向 Boltz-2 的推理时方法,通过在主干单/对嵌入上施加成对 C-RMSD 排斥梯度来耦合并行结构预测轨迹,且无需重新训练模型。

预印本 · biorxiv · 10.64898/2026.05.16.725138

本站摘要基于收录版本 v2(2026-10-26),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v2

摘要 · AI 翻译

用于蛋白质结构预测的深度学习模型在单个折叠上达到了接近实验的精度,但其默认推理采样集中在单一主导构象周围。我们提出 ConforFlux,这是一种面向 Boltz-2 的推理时方法,通过主干网络的单体嵌入和成对嵌入上的成对 C-RMSD 排斥梯度,将并行的结构预测轨迹耦合起来。更新后的主干网络在不重新训练模型的情况下调节后续的每一个去噪步骤。在四类构象变化上,ConforFlux 将逐状态成功率相比默认 Boltz-2 提升了 3-17 个百分点,同时 clashscore 有所升高。该方法在 OpenFold3 和 Protenix 上也提升了覆盖率。对于两个参考结构均在各模型训练截止日期之后发布的目标,引导在所有三个模型上都提升了对两种状态的覆盖。在人多巴胺转运体上,ConforFlux 采样到了 500 个默认样本中不存在的向内构象。

来源:bioRxiv · biorxiv.org