Algorithm engineering for optimal alignment of protein structure distance matrices
蛋白质结构比对是计算生物学中的一个重要问题。在本文中，我们提出了第一个成功的证明最佳的蛋白质间残基距离矩阵的成对比对，使用流行的达利评分函数。我们正式引入结构对齐问题，这使我们能够在一个统一的框架中表达各种特殊情况下在以前的工作中使用的评分功能。此外，我们提出了第一个数学模型计算的基础上密集的残基间距离矩阵的最佳结构比对。因此，我们将该问题转化为一个特殊的图问题，并给出了一个紧整数线性规划模型。然后，我们提出了算法工程技术来处理现实生活中的距离矩阵对齐问题的巨大的整数线性规划。应用这些技术，我们可以计算证明最佳的达利对齐的第一次。
2011-04-15 q-bio.QM
Multiple graph regularized protein domain ranking
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）；Qatar Computing Research Institute（卡塔尔计算研究所）
背景蛋白质结构域排序是结构生物学中的一项基本任务。大多数蛋白质结构域排序方法依赖于蛋白质结构域的成对比较，而忽略了蛋白质结构域数据库的全局流形结构。最近，已经提出了利用由成对相似性定义的图的全局结构的图正则化排名。然而，现有的图正则化排序方法对图模型和参数的选择非常敏感，这对于大多数蛋白质结构域排序方法来说仍然是一个难题。结果针对这一问题，提出了多图正则化排序算法MultiG- Rank. MultiG-Rank不是使用单个图来正则化排名分数，而是通过组合多个初始图进行正则化来近似蛋白质结构域分布的内在流形。图的权重学习与排名分数联合和自动，交替最小化的目标函数的迭代算法。在ASTRAL SCOP蛋白质结构域数据库的一个子集上的实验结果表明，MultiG-Rank比单图正则化排序方法和基于成对相似性的排序方法具有更好的排序性能。结论将多个图结合起来可以有效解决图正则化蛋白质结构域排序中的图模型和参数选择问题。这方面的推广引入了一个新的前沿应用多个图形解决蛋白质结构域排名的应用。
2013-04-21 cs.CE cs.IR cs.LG
Deep Multi-attribute Graph Representation Learning on Protein Structures
Auburn University（奥本大学）
图作为一种数据结构近来引起了极大的关注。几何图的表示学习在分子网络、社会网络和金融网络等领域取得了巨大的成功。将蛋白质表示为图是很自然的，其中节点表示残基，边表示残基之间的成对相互作用。然而，3D蛋白质结构很少被直接作为图来研究。挑战包括：1）蛋白质是由数千个原子组成的复杂大分子，这使得它们比微分子更难建模。2)捕获蛋白质结构建模的长程成对关系仍然未被探索。3)很少有研究集中在一起学习蛋白质的不同属性。为了解决上述挑战，我们提出了一种新的图神经网络架构，将蛋白质表示为3D图，并同时预测距离几何图表示和二面角几何图表示。这提供了一个显著的优势，因为该网络打开了从序列到结构的新路径。我们在四个不同的数据集上进行了广泛的实验，并证明了所提出的方法的有效性。
2020-12-22 cs.LG q-bio.BM q-bio.QM
Benchmarking inverse statistical approaches for protein structure and design with exactly solvable models
利用多序列比对（MSA）确定蛋白质结构和功能的逆统计方法是计算生物学中的一个重要工具。然而，到目前为止，推断出的有效Potts哈密顿量与真实蛋白质结构和能量之间的关系的基本假设仍然未经检验。在这里，我们使用晶格蛋白质模型（LP）基准这些逆统计方法。我们在目标LP结构中建立高度稳定序列的MSA，并从这些MSA中推断有效的成对Potts Hamilton。我们发现，推断Potts哈密顿再现许多重要方面的“真正的”LP结构和能量。仔细的分析表明，有效的成对耦合在推断Potts哈密顿不仅取决于本机结构的能量，但也对竞争折叠，特别是，耦合值反映了积极的设计（稳定的天然构象）和消极的设计（不稳定的竞争折叠）。除了提供详细的结构信息，推断的Potts模型作为蛋白质哈密顿设计的新序列能够产生具有所需的折叠，这是不可能使用独立的网站模型的概率很高的全新的序列。这些是显著的结果，因为由于折叠之间的竞争，用于生成MSA的有效LP哈密顿算子不是简单的成对模型。我们的研究结果阐明了逆向方法从序列数据中建模蛋白质的成功原因及其局限性。
2016-11-15 cond-mat.stat-mech physics.bio-ph q-bio.BM
On the structure of proten-protein interaction networks
我们提出了一个简单的模型，蛋白质-蛋白质成对相互作用图的基础结构是基于蛋白质相互连接的方式在实验中，如酵母双杂交试验。我们表明，人类蛋白质的相互作用的数据支持这个模型。在该模型下，每个蛋白质的连接数的频率不遵循幂律，与来自酵母蛋白质相互作用的大规模酵母双杂交筛选的数据的报道行为相反。从我们的模型生成的底层图中采样子图，以类似于在大规模酵母双杂交搜索中执行的采样的方式，给出了与幂律略有不同的度分布，并且比幂律本身更好地拟合观测数据。我们的研究结果表明，在一个采样子图的近似幂律行为的观察并不意味着底层图遵循幂律。
2003-09-23 q-bio.MN q-bio.QM
CLeFAPS: Fast Flexible Alignment of Protein Structures Based on Conformational Letters
提出了一种基于刚体框架的快速、灵活的两两结构对齐算法CLeFAPS（CLePAPS）。而不是让曲折（或弯曲），CLeFAPS中的柔性意味着：（a）通过自适应输入结构的大小来灵活地调整算法的参数，（b）灵活地将对齐片段对（AFP）添加到一对多对应集合中，而不是检查它们的位置冲突，（c）柔性片段可以通过以基于矢量的分数而不是基于距离的分数为基础的延伸程序来发现。在近相关蛋白质基准测试（HOMSTRAD）和远相关蛋白质基准测试（SABmark）上对CLeFAPS与其他常用算法（包括刚体算法和柔性算法）进行了比较，结果表明，CLeFAPS在运行时间仅为其他算法的1/150 ~ 1/50的情况下，具有一定的竞争力甚至优于其他算法.
2009-03-04 q-bio.BM q-bio.QM
Knowledge from Large-Scale Protein Contact Prediction Models Can Be Transferred to the Data-Scarce RNA Contact Prediction Task
Dartmouth College（达特茅斯学院）；Northwestern University（西北大学）；Central China Normal University（华中师范大学）
本文发现基于蛋白质协同进化Transformer模型学到的结构知识可迁移到数据稀缺的RNA接触预测任务，并通过迁移学习框架显著提升预测性能，缓解了数据稀缺瓶颈。
2024-01-19 cs.LG q-bio.QM
Identifying relevant positions in proteins by Critical Variable Selection
进化在其过程中找到了各种解决方案，以同样的优化问题。高通量基因组测序技术的出现使得人们可以获得大量的数据，原则上，人们可以从这些数据中推断出生物功能所依赖的潜在结构。本文提出了一种从蛋白质一级序列中提取编码结构和功能特性的位点的新方法，即多重序列比对。该方法被称为关键变量选择，其基于这样的想法，即相关位点的子集对应于数据集中以特别宽的频率分布发生的不一致性。通过将该算法应用于硅片序列，响应调节器接收器和离子通道的电压传感器域，我们表明，该过程不仅恢复编码在单站点统计和成对相关性的信息，但它也捕捉到超越成对相关性的依赖关系。这里提出的方法是统计耦合分析的补充，因为这两种方法预测的最相关的网站显着不同。我们发现强大的和一致的结果，小到几百个序列的数据集，揭示了一个隐藏的层次结构的网站，是符合目前的知识，生物学相关的网站和进化动力学。这表明关键变量选择能够在多序列比对中鉴定编码功能和结构信息的位点的核心。
2016-01-19 cond-mat.stat-mech q-bio.BM q-bio.QM
Structure-aware Interactive Graph Neural Networks for the Prediction of Protein-Ligand Binding Affinity
University of Science and Technology of China（中国科学技术大学）；Baidu Research（百度研究院）；Baidu Inc.（百度公司）；Baidu Research USA（百度美国研究院）；Oregon State University（俄勒冈州立大学）；HWL Consulting LLC（HWL咨询有限责任公司）；Rutgers University（罗格斯大学）
药物发现通常依赖于蛋白质-配体结合亲和力的成功预测。最近的进展表明，应用图神经网络（GNNs）通过学习蛋白质-配体复合物的表示来更好地预测亲和力具有很大的前景。然而，现有的解决方案通常将蛋白质-配体复合物视为拓扑图数据，因此生物分子的结构信息没有得到充分利用。在GNN模型中，原子间的长程相互作用也被忽略了。为此，我们提出了一个结构感知的交互式图神经网络（SIGN），它由两个组件组成：极启发图注意层（PGAL）和成对交互池（PiPool）。具体来说，PGAL迭代地执行节点-边聚合过程，以更新节点和边的嵌入，同时保留原子之间的距离和角度信息。然后，采用PiPool来收集交互边，随后重建损失以反映全局交互。在两个基准测试上的详尽实验研究验证了SIGN的优越性。
2021-07-21 cs.LG q-bio.QM
Structure-aware Protein Self-supervised Learning
McGill University（麦吉尔大学）；MILA - Quebec AI Institute（MILA——魁北克人工智能研究所）；Baidu Research（百度研究院）；Baidu Inc.（百度公司）
针对现有蛋白质语言模型忽略结构信息的问题，提出一种结构感知的自监督学习方法，利用图神经网络从残基距离和二面角视角预训练，并通过伪双层优化融合序列与结构信息，在下游任务中验证了有效性。
2023-04-08 cs.AI cs.LG q-bio.QM
Hydropathy Conformational Letter and its Substitution Matrix HP-CLESUM: an Application to Protein Structural Alignment
动机：蛋白质序列世界是离散的20个氨基酸（AA），而其结构世界是连续的，虽然可以离散成结构字母表（SA）。为了揭示序列和结构之间的关系，在联合空间中考虑AA和SA是有趣的。然而，这样的空间有太多的参数，所以减少AA是必要的，以降低参数数量。测试结果：我们已经开发了一种简单但有效的方法，称为熵聚类的基础上选择一个给定的减少AA和SA之间的最佳互信息。AA优化还原成两个基团导致疏水性和亲水性。结合我们的SA，即构象字母（CL）的17个字母，我们得到了一个联合字母称为亲水性构象字母（hp-CL）。从FSSP中导出了一个具有（17*2）*（17*2）指标的联合替换矩阵。此外，我们检查了三个编码系统，说AA，CL和hp-CL对一个大的数据库，包括从家庭到折叠的蛋白质，与他们的性能上的TopK的准确性相似片段对（SFP）和对齐片段对（AFP）的邻居。TopK选择是根据编码系统的替换矩阵计算的分数。最后，将hp-CL嵌入到成对比对算法中，例如CLeFAPS，以取代原始CL，将在HOMSTRAD基准上得到改进。
2010-01-18 q-bio.BM q-bio.QM
Structural Learning for Template-free Protein Folding
Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
本论文旨在解决蛋白质无模板折叠问题，主要解决两个重要问题：在大构象空间中的有效采样和高精度的基于知识的势函数的设计。我们提出了一阶和二阶CRF-Sampler，通过在给定主序列信息的情况下对相邻二面角之间的低阶和高阶条件依赖进行建模，从连续的局部二面角空间中对结构进行采样。提出了一种结合条件随机场和能量函数的框架，利用能量函数指导长程约束的局部构象采样。层序剖面与局部二面角分布呈非线性关系。因此，我们提出了CNF-Folder模型这种复杂的关系，通过应用一种新的机器学习模型条件神经域，它利用结构图形模型与神经网络。CRF采样器和CNF折叠器在CASP 8和CASP 9中表现非常好。此外，设计了一种新型的成对距离统计势（EPAD）来捕获能量谱对相互作用的氨基酸的位置以及这些氨基酸的类型的依赖性，反对这种能量谱仅取决于的常见假设。类型的氨基酸。EPAD在CASP 10自由建模实验中也得到了成功的应用，特别是在一些不常见的结构化目标上表现出色。
2013-11-12 cs.CE cs.LG q-bio.QM
Spectral Coherence Index: A Model-Free Metric for Protein Structural Ensemble Quality Assessment
Tri-institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, and Emory University（三机构神经影像与数据科学转化研究中心（TReNDS），佐治亚州立大学，佐治亚理工学院，埃默里大学）；School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院）；Departments of Biomedical Engineering, Johns Hopkins University（约翰霍普金斯大学生物医学工程系）；School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院）
本文提出谱相干指数（SCI）作为无模型指标，用于评估蛋白质结构集合的质量。通过分析NMR结构集合，SCI能有效区分实验集合与合成不相干对照，展现出高鉴别能力。
2026-03-26 cs.AI cs.LG q-bio.QM
Designing of knowledge-based potentials via B-spline basis functions for native proteins detection
本研究基于Anfinsen教条和均方根偏差两种假设，利用B样条基函数构建线性规划知识势（LPKP），用于从诱饵集中检测天然蛋白质结构，其中第一种方法在150例中识别130个，平均排名1.67，表现更优。
2023-05-09 math.OC q-bio.QM
Triangle Multiplication Is All You Need For Biomolecular Structure Representations
Genesis Research（基因组研究）
Pairmixer通过消除三角注意力并提升效率，实现生物分子结构预测的高效建模与大规模应用
2025-12-04 cs.LG q-bio.QM
