跨状态学习框架提升动态蛋白变构位点识别

Ren, Q. 等作者在 bioRxiv 发布预印本，提出跨状态位点识别基准 AsBench2 和深度学习框架 AllositeUltra。该框架整合结构感知语言模型与物理动力学等多模态蛋白表征，并配合残基引导的候选补充，使位点检测不再依赖静态口袋几何。作者称，现有机器学习模型依赖静态配体结合结构，在结合口袋短暂或隐蔽的 apo 或底物结合状态下泛化较差。 作者报告，AllositeUltra 在 apo 和底物结合结构上的 Top-3 位点回收率分别为 65.2% 和 70.6%，相对最佳基线提升 36.4% 和约 50%。在 MAGI2 的前瞻性应用中，该框架识别出一个此前未被发现的域间变构口袋，并经小分子筛选和 X 射线晶体学在原子分辨率下验证。

AI 根据报道生成 · 3 天前更新

还没有足够的连续观测数据，暂不绘制趋势。