arXiv cs.AI· Chuanliu Fan, Junjie Wu, Nan Yu, Guohong Fu·· 11 小时前AI 评分20
Local-Frame Rotary Attention：用折叠残基几何做注意力位置机制，实现抗体特异性表位预测
Local-Frame Rotary Attention for Antibody-Specific Epitope Prediction
AI 导读
研究者提出 Local-Frame Rotary Attention（LFRA），将残基间位移表示在骨架定义的局部坐标系中并直接注入旋转注意力，在保持连续方向几何的同时对独立 SE(3) 变换不变，用于抗体特异性表位预测。现有方法多依赖 PLM 嵌入并借助图、表面或点云编码器注入结构，注意力内部的位置机制仍基本绑定一维序列顺序。代码与数据集已公开。
正文 · AI 翻译
摘要：抗体特异性表位预测旨在识别给定抗体所识别的抗原残基，该任务依赖于抗体 CDR 与抗原表面之间的三维互补性。现有方法通常利用 PLM 嵌入，并通过额外的图、表面或点云编码器注入结构信息，其中注意力内部的位置机制在很大程度上仍与一维序列顺序绑定。对于蛋白质而言，token 偏移的类比不仅包括序列间隔，还包括折叠后残基之间的三维位移。这引出一个问题：折叠后的残基几何结构能否作为注意力本身的位置机制？我们提出局部坐标系旋转注意力（Local-Frame Rotary Attention，LFRA），它在由主链定义的局部坐标系中表达残基间位移，并将其直接注入旋转注意力。该设计在保持连续方向几何的同时，确保对独立的 $\mathrm{SE}(3)$ 变换具有不变性。代码和数据集可在 此 https URL 获取。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2608.01092 [cs.AI] |
| （或使用 arXiv:2608.01092v2 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2608.01092 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Chuanliu Fan [查看邮箱]
[v1]
2026年8月2日星期日 08:48:07 UTC（4,231 KB）
[v2]
2026年11月5日星期四 05:35:13 UTC（1,115 KB）
来源：arXiv cs.AI · arxiv.org