PoseBusters: AI-based docking methods fail to generate physically valid poses or generalise to novel sequences
PulseAugur coverage of PoseBusters: AI-based docking methods fail to generate physically valid poses or generalise to novel sequences — every cluster mentioning PoseBusters: AI-based docking methods fail to generate physically valid poses or generalise to novel sequences across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新方法确保生物分子结构预测的物理有效性
研究人员开发了一种新颖的方法，以提高AlphaFold 3等扩散模型预测的生物分子结构的物理有效性。该方法引入了两个在推理时应用的投影算子，以纠正链重叠、键长失真和立体中心不正确等问题。这些算子无需重新训练原始模型，已被证明可以在多个基准测试中恢复完美的物理有效性，同时保持结构准确性和配体放置。该技术为提高全原子结构预测的可靠性提供了一种实用的、模型无关的解决方案。
-
新的谐波扭转扩散框架增强了蛋白质-配体对接
研究人员开发了 Harmony，一个用于蛋白质-配体柔性对接的新框架，该框架明确考虑了角度变量的周期性几何。与使用通用欧几里得头的先前基于扩散的模型不同，Harmony 使用在圆上学习到的谐波势来参数化扭转得分场。这种方法为旋转异构体运动引入了频率感知归纳偏置，从而在 PDBBind 基准测试中提高了配体姿态准确性和口袋重建。Harmony 还增强了 PoseBusters 数据集上生成的复合物的物理有效性，并已在 EBNA1 和 K…
-
New DeCAF framework speeds up biomolecular structure generation
研究人员开发了一个名为 DeCAF 的新框架，以加速生成 3D 生物分子结构的过程。该方法将现有的全原子共折叠模型提炼成更有效的流图，显著降低了计算成本和推理时间。与之前的基于扩散的模型相比，DeCAF 在预测蛋白质-配体姿态方面表现出更高的准确性和物理有效性，同时使用的计算步骤更少。