使用 LambdaLoss 改进蛋白质-蛋白质对接的评分函数

arXiv:2610.00191v1 公告类型：cross 摘要：对蛋白质-蛋白质相互作用进行建模，需要准确的评分函数对蛋白质-蛋白质复合物的候选构象进行排序，从而区分接近天然构象的姿态与错误姿态。在此，我们提出了一个通用框架，利用学习排序领域的 LambdaLoss 损失函数，改进蛋白质-蛋白质姿态排序及其他生物分子相互作用模型。我们在由 DIPS 数据集生成的、包含 2.9M 个扩增诱饵姿态的数据集上，使用 LambdaLoss 对 DFMDock 的能量预测头进行微调，以测试该框架。在 CAPRI score set 基准中的目标上，与当前最先进的方法 EuDockScore 相比，微调后的排序模型 LambdaDockScore 在其前 1 个和前 5 个预测中识别正确姿态的能力更强。在对抗原-抗体复合物，以及结合界面非常大或非常小的蛋白质-蛋白质复合物进行评分时，LambdaDockScore 的表现也优于基线 DFMDock 排序性能。