跳到正文
arXiv· Rory Gao; Yuanzhou Chen; Prajit Rajkumar; Wei Wang·· 9 天前AI 评分67

ZeUS 实现对称蛋白质复合物的高效零样本生成

Efficient and Accurate Zero Shot Generation of Symmetric Protein Complexes

AI 导读

研究团队提出 ZeUS 框架,可将任意预训练的 SE(3) 等变骨干生成模型转为对称组装体生成器,且无需重新训练。该方法基于对称群商空间的理论联系,在单个规范亚基上操作并用虚拟亚基维持模型内部运算,对有限群 G 将内存和运行成本降低 O(|G|)。

预印本 · arxiv · 2611.10424

本站摘要基于收录版本 v1(2026-11-10),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

对称性组织是生物分子复合物组装的一项基本原理。同一原理也支撑着从疫苗平台到纳米材料的工程化应用,使得对称性从头生成成为计算蛋白质设计的一项核心能力。我们建立了一个理论基础,将具有底层对称群 $G$ 的组装体的生成等价于在 $G$ 上的商空间中的生成。这直接使得 $\mathrm{SE}(3)$ 等变模型能够以最小的分布偏移生成对称结构。基于这一洞见,我们提出了 ZeUS($\textbf{Ze}$ro-shot $\textbf{U}$nified $\textbf{S}$ymmetrization,零样本统一对称化),这是一个框架,可将任何预训练的 $\mathrm{SE}(3)$ 等变主干生成模型转化为高效的对称组装体生成器,且无需重新训练。ZeUS 仅作用于单个 $\textit{规范亚基}$,并利用 $\textit{幻影亚基}$ 来保持模型内部运算,与完整复合物的前向传播相比,对有限群 $G$ 可将内存和运行时开销降低 $\mathcal{O}(|G|)$。我们为基于 IPA 的模型(FrameDiff、FoldFlow)以及基于轴向注意力的 RFdiffusion 实现了 ZeUS,结果表明其生成效率高,且生成质量仅有极小退化。随后,我们应用 ZeUS 生成了超过 $10{,}000$ 个残基的对称复合物,采用精确且未截断的注意力机制,这一规模此前用任何模型都无法实现。

来源:arXiv · arxiv.org