arXiv cs.AI· Tally Portnoi, Allison M Keys, Benjamin R DiFrancesco, Nate Gruver·· 3 天前AI 评分27
zPocket：用冻结的共折叠特征实现更好的蛋白口袋识别
zPocket: Better Pocket Finding with Frozen Co-Folding Features
AI 导读
研究团队提出 zPocket，在共折叠模型的冻结特征之上训练口袋预测头，并发布 PocketWatch 数据集用于评测对新型口袋的泛化能力。最佳 zPocket 模型整体 per-target AUPRC 达 0.745，高于在 PocketWatch 划分上重训的 VN-EGNN（0.598）和 UniSite-1D（0.595），P2Rank 为 0.477。
正文 · AI 翻译
摘要：识别蛋白质-配体结合位点（口袋）对于理解蛋白质功能和开发药物具有重要意义。然而，目前尚无公开方法利用共折叠模型进行新口袋预测；此外，该任务缺乏合适的基准，因为现有基准均处于共折叠模型的训练分布之内。因此，我们开发了 PocketWatch，一个经过整理的具有生物学相关性的配体口袋数据集。PocketWatch 测试集由未见过的口袋组成，并按序列相似性、结构相似性和隐蔽性进行分层，以便评估对新颖且具有挑战性的口袋的泛化能力。利用该数据集，我们开发了 zPocket，一种在共折叠模型冻结特征之上训练口袋预测头的方法。我们表明，zPocket 头在所有分层上均优于基线方法。我们最佳的 zPocket 模型实现了总体每目标 AUPRC 为 0.745，而最强的基线 VN-EGNN 和 UniSite-1D 在 PocketWatch 划分上重新训练后分别为 0.598 和 0.595（使用已发布权重时为 0.559 和 0.531）；广泛使用的 P2Rank 达到 0.477。我们进一步表明，通过对每个残基预测进行聚类，或使用 zPocket 对其他模型提出的中心点重新打分，zPocket 在预测口袋中心点的 top-N+2 召回率上能够超越基线方法。最后，我们探索了 zPocket 的两个应用：晶体学片段筛选和针对人类蛋白质上未表征口袋的蛋白质组规模扫描。这些结果共同表明，建立在共折叠主干特征之上的 zPocket 头可以极大地推进配体结合位点预测。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.17696 [cs.LG] |
| （或 arXiv:2610.17696v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17696 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Nate Gruver [查看电子邮件]
[v1]
2026年10月13日星期二 04:23:31 UTC（3,108 KB）
来源：arXiv cs.AI · arxiv.org