DiffTernary:用于分子胶三元复合物对接的扩散模型
DiffTernary: a Diffusion Model for Molecular Glue Ternary Complex Docking
研究提出基于扩散的对接方法 DiffTernary,可联合预测分子胶三元复合物中的蛋白相对排布和分子胶结合构象。
预印本 · biorxiv · 10.64898/2026.11.09.765352
本站摘要基于收录版本 v1(2026-11-12),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
分子胶(MGs)通过诱导或稳定蛋白质相互作用来调节蛋白质功能。然而,准确建模 MG 三元复合物仍具挑战性。在此,我们提出 DiffTernary,一种基于扩散的对接方法,用于联合预测蛋白质的相对排布与 MG 结合构象。我们引入 Ternary-PDB 数据集,该数据集包含从 Protein Data Bank 中通过结构过滤并采用与 AlphaFold 3(AF3)对齐的发布截止日期筛选出的 76,702 个实验测定的三元复合物。在该数据集上训练后,DiffTernary 以单次预测对 50.0% 的 MGBench 复合物实现了可接受的蛋白质-蛋白质相互作用(PPI)预测(DockQ > 0.23),而 AF3 为 51.1%。在与 AF3、OpenFold3、ESMFold2、Protenix-v1 和 Protenix-v2 的比较中,DiffTernary 排名第二,其 best-of-25 的 PPI 预测成功率为 78.4%,低于 ESMFold2(90.9%),高于 AF3(72.7%)。另一个在 TernaryDB 上训练的 DiffTernary 模型,在 TernaryDB MGD 测试集的 94 个复合物上以单次预测取得了 0.306 的平均 DockQ,而 DeepTernary 为 0.228。在 40 个样本中基于置信度的选择为 41.5% 的复合物给出了可接受的 PPI 预测,而 DeepTernary 为 30.9%。在所评估的配置下,E2Former 变体分别将训练和采样吞吐量提升了 6.90 倍和 4.37 倍。总体而言,DiffTernary 与 Ternary-PDB 为 MG 复合物预测提供了一种高效的对接方法,并为 MG 的发现与设计提供了宝贵的结构资源。
来源:bioRxiv · biorxiv.org