我们提出了DIFFDOCK-PP,一种用于刚性蛋白质-蛋白质对接的扩散生成模型。我们的方法受到了分子对接领域最新进展的启发(Corso等,2022年),该方法通过生成模型来处理配体姿态的对接问题。DIFFDOCK-PP在性能上优于现有的深度学习模型,并与基于搜索的方法在计算成本的分数上表现竞争力。我们简单的方法的有效性为进一步研究利用...
我们使用Ganea等人（2021）提出的基于蛋白家族的数据集拆分方案。DIFFDOCK-PP共有1.62M个参数，经过170个epoch在DIPS训练集上进行训练。每10个epoch，我们在DIPS验证集上运行反向扩散以计算L-RMSD值。最后，使用这个过程得到的最佳模型在DIPS测试集上进行测试。我们将我们的方法与基于搜索的对接算法、深度学...