arXiv cs.AI· Jian Lee, Changyun Cho, Sun Kim·· 10 小时前AI 评分27
PIFT：用扩散与流匹配联合引导将肽-靶点相互作用模式迁移至小分子
Transferring Peptide-Target Interaction Patterns to Small Molecules by Joint Guidance for Diffusion and Flow Matching
AI 导读
PIFT（Peptide InterFace Transfer）通过掩码离散扩散与连续流匹配的联合采样引导，将肽-靶点相互作用模式迁移到小分子生成中。该框架先把肽-靶点与小分子-靶点界面映射到共享的靶点条件交互空间，再用肽衍生参考同时引导构建块 logits 与 3D 坐标，避免刚性原子级条件对生成空间的过度约束。
正文 · AI 翻译
摘要：生成靶向蛋白质-蛋白质相互作用（PPIs）的小分子仍然是药物发现中最具挑战性但回报最高的前沿领域之一。与传统结合于深而明确口袋的小分子药物不同，PPI 界面通常由宽而浅的结合表面构成。一种自然的策略是利用已知的肽-靶标相互作用，因为肽配体提供了丰富的界面级约束。然而，一个主要的算法挑战在于，对肽结构进行刚性的原子级条件约束可能会过度约束生成空间，从而排除有效的小分子解。为应对这一挑战，我们提出了 PIFT（Peptide InterFace Transfer），这是一个新颖的框架，通过对掩码离散扩散和连续流匹配进行联合采样时引导，将肽-靶标相互作用模式迁移到小分子上。PIFT 首先将肽-靶标和小分子-靶标界面映射到一个共享的、以靶标为条件的相互作用空间中，从而捕获跨分子模态的可迁移界面信息。由此得到的肽衍生参考随后联合引导构建块 logits 和 3D 坐标朝向肽兼容的分子，同时保留强适配的分子先验。在多种 PPI 靶标上的大量实验表明，所学表示捕获了跨模态相互作用兼容性，而肽引导改善了界面恢复，并实现了良好的对接性能和有利的分子性质。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.41322 [cs.LG] |
| （或 arXiv:2610.41322v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41322 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jian Lee [查看电子邮件]
[v1]
2026年10月30日星期五 06:33:09 UTC（4,840 KB）
来源：arXiv cs.AI · arxiv.org