Structured Re-Decoding 以免训练方式扩展预训练模型决策空间
论文提出免训练的 Structured Re-Decoding(SRD)框架,通过候选重组、联合优化选择与重构输出验证,扩展预训练模型在结构约束下的决策空间。作者报告在固定 KL 散度预算下可提升可达奖励,并在分子生成、蛋白质设计、RNA 结构预测和抗体建模中改善结构化推理,包括生成原始样本池中不存在的已验证分子。
技术方向
蛋白与复合物的结构预测、共折叠和构象:AlphaFold、Boltz、Chai、Protenix 等模型及其应用。
共 99 条动态近 30 天 81 条
论文提出免训练的 Structured Re-Decoding(SRD)框架,通过候选重组、联合优化选择与重构输出验证,扩展预训练模型在结构约束下的决策空间。作者报告在固定 KL 散度预算下可提升可达奖励,并在分子生成、蛋白质设计、RNA 结构预测和抗体建模中改善结构化推理,包括生成原始样本池中不存在的已验证分子。
Steffen Lindert 实验室发表于 Analytical Chemistry 的研究将离子迁移率质谱的碰撞截面数据与 AlphaFold 亚基预测、Rosetta docking 结合,修正深度学习工具常见的对称性与装配拓扑错误。
推荐理由:把低成本质谱形状数据与 AlphaFold、Rosetta 结合,为深度学习结构预测常见的装配错误提供了一条可复用的纠偏路径。
研究提出REVEAL工作流,将生成式二级结构采样、trRosettaRNA2三级结构预测、无偏分子动力学和马尔可夫状态建模串联,用于捕捉RNA激发态构象。
一项 bioRxiv 预印本研究审计了已发表的重复引导、ESMFold 置信度与激活读数,结论是能预测置信度门槛并不能说明设计可折叠。引导在操作点保持了置信度,但拟合出的悬崖出现在 alpha_50 = 1.240x,扫描自身对照为 64.0%;未引导的生成器激活可预测置信度门槛,ROC-AUC 为 0.786 ± 0.004。
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。
研究提出结构感知 RNA 基础模型 RNAtomy,利用核苷酸间几何和残基级构象描述符进行自监督预训练。模型采用 Mamba-Transformer 混合骨干与轴感知特征调制,在七项涉及核苷酸、核苷酸对和 RNA 层面的任务上评估,接触与长程碱基对预测优于现有 RNA 基础模型和任务专用方法。
bAIes 框架已扩展到 AlphaFold2、AlphaFold3、Boltz-1、Boltz-2、ESMFold 和 ESMFold2 六种结构预测工具,用于生成固有无序蛋白的原子分辨率构象集合。
研究解析了布氏锥虫(Trypanosoma brucei)ATOM复合物2.8 Å冷冻电镜结构,识别出所有此前已发现的组分及一个此前未表征的新亚基。尽管组分与真菌和后生动物经典TOM复合物差异显著,ATOM仍保留保守的二聚体通道架构和蛋白传导通路。其受体与膜间隙区域结构不同,显示广泛演化多样化和趋同演化。
Molence 公布 Mol-1-constraint 在给定参考表位或口袋输入时的 Foldbench 评测结果,称其在标准与更严格两套标准下均领先五个受测模型。
ProTEUS 是用于闭环蛋白质进化的突变分辨世界模型,在 zero-shot 和有监督微调的突变预测任务上超过现有模型。它用 MutationFormer 的突变偏置注意力学习序列、进化和结构联合表示,并用物理约束全原子预测器实现比 AlphaFold3 快 10 倍以上且保证物理有效性的预测。
推荐理由:这一工作把突变预测、快速全原子结构与闭环实验反馈放进同一框架,便于理解蛋白质定向进化的计算与实验衔接。
研究团队用冷冻电镜解析了蓝藻中 ChlG₂HliD₂ 复合物在无底物和结合 geranylgeranyl-pyrophosphate 状态下的结构。结合 AlphaFold 建模、定点突变与分子动力学模拟,他们提出 ChlG 的底物特异性与催化机制。结构还显示中央 HliD 同源二聚体结合两个 ChlG 单体,以及 Hlip 所结合的 4 个叶绿素和 2 个类胡萝卜素色素的排布。
研究团队用冷冻电镜解析了感染大肠杆菌的 Chimalliviridae 噬菌体 Goslar 的结构。他们将 25 个结构蛋白的手工建模与另外 3 个蛋白的 AlphaFold 预测结合,生成含 28 种结构蛋白、2888 条蛋白链的复合模型,覆盖超过 140 万个氨基酸残基。
论文构建了按蛋白-RNA 结构和实验条件分层的基准,并提出仅用序列同时预测蛋白每个残基和 RNA 每个核苷酸结合偏好的 RPFace。RPFace 无需实验结构、模板或多序列比对,结合预测二级结构集成与 RNA 基础模型、结构预测模型的多模态嵌入增强,模型小而快,可泛化到 in vivo CLIP 数据。
FoldAbS 提出一种统一监督筛选框架,将蛋白质折叠模型冻结为基础编码器,用于治疗性抗体候选的特异性、亲和力与可开发性评估。该框架以开源 Protenix 模型实例化为 FoldAbS-Px,并搭配轻量任务头,在特异性、亲和力和可开发性上分别取得最高 13.1%、9.2% 和 6.2% 的提升。代码见 https://github.com/nohandsomewujun/FoldAbS。
研究团队结合 cryo-ET、交联与亲和纯化质谱以及 AlphaFold3 结构建模,在人类细胞核内检测到 TRiC 工作周期的中间体。他们还鉴定出若干与 TRiC 结合的核蛋白,AF3 模型提示相互作用界面位于 TRiC 腔体内侧。作者据此提出 TRiC 可能具有区室特异性作用并参与维持核内蛋白稳态,同时表明低丰度事件可通过大规模数据挖掘用 cryo-ET 分析。
研究挖掘出多前体剪接酶 HypX,并用 AlphaFold3 模型结合 Rosetta 计算排序数百万变体,发现高分肽的剪接效率高于单点突变体。HypX 来自 Hyella patelloides,在大肠杆菌中修饰了 7 个天然前体中的 5 个。单点突变显示 HypX 和此前鉴定的 PlpX 具有混杂性但底物范围不同,结构建模还解释了位置特异性耐受及一项辅因子约束。
ProteoCraft 提出一种基于树的蛋白质设计搜索框架,把扩散结构预测器的近似结构梯度用作提议策略,再由无梯度折叠模型对序列进行验证打分。该方法采用多站点编辑先探索、单站点精细化的由粗到细预算分配,在 14 个 de novo binder 设计场景中提升了设计质量和高置信度产出,且在 AF2-IG 与 Rosetta 界面评估下保持。
推荐理由:把蛋白质设计写成先提议再验证的搜索,并用扩散结构预测器提供近似梯度,读者可关注其搜索预算分配思路。
来源更新 2026-11-04
研究团队提出序列条件深度学习框架 FoldScape,可在指定折叠比例 Q 下生成蛋白质 Cα 构象集合,并从序列重建三维链。在 20 种人类蛋白质(36 至 857 个残基)上,相同样本量下它对折叠坐标的覆盖比不同随机种子生成的 AlphaFold 3 集合高约一个数量级,但 AlphaFold 3 更能锚定近天然区域,两者形成互补。