论文页面 - EMBER：无需对接复合物即可预测 TCR–pMHC 结合

来源：https://huggingface.co/papers/2610.27334

摘要

EMBER 通过 SE(3) 不变图从独立折叠的单体中预测 TCR–pMHC 结合，避免了对接误差，在减少计算量的同时，在多种折叠工具上均提升了准确率。

我们提出 EMBER，这是一个基于结构的 TCR–pMHC 结合预测框架（https://huggingface.co/papers?q=structure-based%20framework），无需预测对接复合物（https://huggingface.co/papers?q=docked%20complex），从而消除了主导此类预测的放置误差。传统的基于结构的预测器利用受体与抗原共折叠复合物（https://huggingface.co/papers?q=co-folded%20complex）的结构，并从其接触面（https://huggingface.co/papers?q=contact%20surface）解读结合情况。因此，所有下游特征都会继承结构预测工具引入的偏差。在方法上，EMBER 独立折叠 TCR 和 pMHC，将它们编码为 SE(3) 不变残基图（https://huggingface.co/papers?q=SE(3)-invariant%20residue%20graphs），并在不构建共享坐标系（https://huggingface.co/papers?q=shared%20coordinate%20frame）的情况下比较它们的学习表示。因此，相对位姿（https://huggingface.co/papers?q=relative%20pose）不是模型的输入，放置误差也就无法传播到预测中。在计算方面，EMBER 仅需对 O(N+M) 个单体折叠（https://huggingface.co/papers?q=monomer%20folds）进行预处理，而基于复合物的预测器则需要 O(NM) 次运算。实验方面，在表位不相交评估（https://huggingface.co/papers?q=epitope-disjoint%20evaluation）协议下，对六个重新训练的基线模型进行比较，EMBER 在所有四种折叠工具下的每一项指标上均排名第一：micro-AUROC（https://huggingface.co/papers?q=micro-AUROC）领先 0.9% 至 14.4%，micro-AUPRC（https://huggingface.co/papers?q=micro-AUPRC）领先 18.5% 至 25.3%，MCC（https://huggingface.co/papers?q=MCC）领先 10.6% 至 24.1%。其排名在不同折叠工具之间的稳定性也高出多达 85%。

查看 arXiv 页面 (https://arxiv.org/abs/2610.27334)　查看 PDF (https://arxiv.org/pdf/2610.27334)　项目主页 (https://nwulist.github.io/EMBER.github.io/)　加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.27334)

引用此论文的模型 0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.27334，即可从本页面链接该模型。

引用此论文的数据集 0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.27334，即可从本页面链接该数据集。

引用此论文的 Space 0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.27334，即可从本页面链接该 Space。

包含此论文的集合 0

没有集合包含此论文

将此论文添加到集合 (https://huggingface.co/new-collection)即可从本页面链接该论文。