百度蛋白配体全原子扩散模型效果直逼AlphaFold3，代码数据全面开源
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
百度飞桨螺旋桨PaddleHelix团队开源了基于大规模预训练方法的HelixDock全原子扩散模型，能够准确预测蛋白质和小分子的结合构象。该模型具有高精度、泛化能力和鲁棒性，通过大规模数据验证了AI在科学领域的Scaling Laws。HelixDock代码和训练数据已全面开源，PaddleHelix计算平台提供免费在线服务。
❓
Q&A
HelixDock模型的主要功能是什么？
HelixDock模型能够准确预测蛋白质和小分子的结合构象。
HelixDock与传统物理对接工具相比有什么优势？
HelixDock在构象预测准确度上显著高于传统物理对接工具，且在PoseBusters上的成功率达85.6%。
HelixDock是如何解决训练数据匮乏的问题的？
HelixDock通过生成亿级的仿真数据构建了蛋白质-小分子对接构象数据集，用于模型的预训练。
HelixDock的开源情况如何？
HelixDock的代码和训练数据已全面开源，支持学术研究和药物发现。
HelixDock在虚拟筛选任务中的表现如何？
HelixDock在虚拟筛选任务中表现优异，富集指数明显优于其他方法。
HelixDock的泛化能力如何？
HelixDock在低相似度靶点上保持良好成功率，展现出良好的泛化能力和鲁棒性。
🏷️
