BriefGPT - AI 论文速递
·
原子的潜在道路：使用潜在扩散进行粗粒度蛋白质结构的反向映射
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
Ophiuchus模型通过SO（3）-等变粗粒化方法高效处理蛋白质残基的重原子，保持对称性。模型使用局部卷积模拟序列模体间的相互作用。通过训练重建PDB片段，研究不同压缩率下的重建能力，并在构象内插中快速应用。利用去噪扩散概率模型采样小型蛋白质的潜在嵌入，实验显示Ophiuchus在蛋白质建模和生成中具备扩展性和效率。
🎯
关键要点
- Ophiuchus是一种SO（3）-等变粗粒化模型，能够高效处理蛋白质残基的重原子。
- 该模型尊重蛋白质的对称性，并采用局部卷积粗化模型模拟序列模体间的相互作用。
- Ophiuchus被训练用于重建PDB单体的连续片段，研究其在不同压缩率下的重建能力。
- 模型在构象内插中应用快速，并与PDBFlex数据集中的结构快照进行比较。
- 利用去噪扩散概率模型（DDPM）高效采样小型蛋白质的潜在嵌入。
- 实验结果表明Ophiuchus在蛋白质建模和生成中具备扩展性和效率。
🏷️
标签
➡️
