ACS JCIM (化学信息与建模)· Henghui Fan, Chuanmei Bi, Dayu Tan, Fei Wang, Junfeng Xia·· 5 天前精选AI 评分60
MutBindPred：跨模态信息解耦的反对称框架预测错义突变引起的蛋白-配体结合亲和力变化
An Antisymmetric Framework with Cross-Modal Information Decoupling for Predicting Missense Mutation-Induced Changes in Protein–Ligand Binding Affinity
AI 导读
【摘要级】研究提出 MutBindPred，一个跨模态深度学习框架，用于预测错义突变引起的蛋白-配体结合亲和力变化（ΔΔG）。该框架联合建模野生型与突变型复合物，通过跨模态信息解耦模块分离模态共享背景信息与模态特异的突变相关信号，并引入反对称约束以提升预测 ΔΔG 的热力学一致性。
推荐理由
在蛋白与配体冷启动设置下比较跨模态解耦框架与基线，为突变诱导结合亲和力变化的泛化评测提供参照。
来源：ACS JCIM (化学信息与建模) · doi.org