CausalBind：用于蛋白质-分子虚拟筛选的因果建模与学习

arXiv:2610.07340v1 公告类型：新 摘要：蛋白质-分子虚拟筛选越来越多地被视为共享嵌入空间中的表征学习问题。现有方法依赖密集的整体对齐，将不变的结合决定因素与无关相关性纠缠在一起，从而限制了向新靶点的迁移能力。已有研究指出，蛋白质-分子系统中的结合涉及稀疏的跨模态相互作用：结合由一个较小的接触界面和少数关键的局部相互作用（例如氢键、疏水接触和盐桥）决定，而不是由蛋白质和分子的全局结构决定。我们假设，发掘并利用稀疏的相互作用模式对于超越训练数据实现泛化至关重要，因为这些模式具有可复用性，并有望提升模型在不同场景下的性能。本文旨在识别并利用稀疏的相互作用模式，并验证这一假设。由于训练数据仅包含观测到的结合对，我们在 Heckman 风格的选择机制下，通过 V 结构因果模型形式化这一先验，并建立了三个理论结果：（i）在缺乏适当稀疏性约束的情况下，相互作用蛋白质和分子的潜在概念不可识别；（ii）在满足结构稀疏性条件时，这些概念及其稀疏相互作用具有分量级可识别性；（iii）对这些条件进行低秩松弛后，可以实现概念及相互作用的子空间可识别性。受这些原理启发，我们提出了 CausalBind，并实现了三个变体。在 DUD-E 和 LIT-PCBA 基准上的大量实验表明，所有变体均持续优于强大的检索基线，在 LIT-PCBA 的早期富集指标上提升最大，并且能够进一步泛化到靶点级和骨架级分布外划分。代码可在 https://github.com/lokali/CausalBind 获取。