Chamaileon: 跨语境结合子设计中的语境化建模与混合采样

Hugging Face Daily Papers 论文

摘要

Chamaileon 提出了一个用于多靶点和多状态蛋白质结合子设计的框架,采用语境化的序列-结构联合建模和混合采样,实现了对不同构象景观和多靶点需求的适应性。

生成模型的快速发展通过促进端到端生成(通过联合序列-结构建模或幻觉)在蛋白质结合子设计中开启了新的潜力,这是结构生物学中的关键任务。然而,现有方法主要基于单靶点、单状态的假设,限制了它们建模多靶点或多状态相互作用的能力,而这些是高级功能导向蛋白质设计所需的。在这里,我们介绍 Chamaileon,它将多靶点和多状态结合子设计统一起来,将问题表述为跨语境结合景观建模。该框架基于一种名为“上下文复合联合设计”(I3CD)的训练范式,用于上下文感知的序列-结构联合建模。在推理过程中,我们采用路径混合采样(MoPS),这是一种可扩展策略,可在不同上下文中优化单一序列,同时缓解高质量多构象配对数据的稀缺性。在我们新构建的基准测试 CROSS 上的广泛评估表明,Chamaileon 能够有效生成适应不同构象景观和多靶点需求的序列。代码可在 https://github.com/caohengyuan/Chamaileon 获取。
查看原文
查看缓存全文

缓存时间: 2026/07/28 06:32

论文页面 - Chamaileon:基于情境化建模与混合采样的跨情境结合子设计

来源:https://huggingface.co/papers/2607.23518

摘要

生成模型的快速发展为蛋白质结合子设计(结构生物学中的关键任务)带来了新潜力,通过联合序列-结构建模或幻觉生成实现了端到端生成。然而,现有方法主要基于单靶标、单状态的假设实施,限制了其对高级功能导向蛋白质设计所需的多靶标或多状态交互的建模能力。本文提出 Chamaileon,将问题形式化为跨情境结合景观建模,从而统一了多靶标与多状态结合子设计。该框架的核心是一种名为情境内复杂协同设计(I3CD)的训练范式,用于情境感知的序列-结构协同建模。在推理阶段,我们采用路径混合采样(MoPS)这一可扩展策略,在跨情境优化单一序列的同时,缓解高质量多构象配对数据的稀缺性。在我们新构建的基准测试 CROSS 上的广泛评估表明,Chamaileon 能够有效生成适应多样化构象景观和多靶标需求的序列。代码已开源:https://github.com/caohengyuan/Chamaileon。

查看 arXiv 页面 (https://arxiv.org/abs/2607.23518)查看 PDF (https://arxiv.org/pdf/2607.23518)GitHub8 (https://github.com/caohengyuan/Chamaileon)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2607.23518)

在你的智能体中获取此论文:

hf papers read 2607.23518

没有最新 CLI?curl -LsSf https://hf.co/cli/install.sh | bash

引用本论文的模型0

暂无模型链接本论文

在模型 README.md 中引用 arxiv.org/abs/2607.23518,即可从此页面链接。

引用本论文的数据集0

暂无数据集链接本论文

在数据集 README.md 中引用 arxiv.org/abs/2607.23518,即可从此页面链接。

引用本论文的 Spaces0

暂无 Space 链接本论文

在 Space README.md 中引用 arxiv.org/abs/2607.23518,即可从此页面链接。

包含本论文的收藏集0

暂无收藏集包含本论文

将本论文添加到收藏集 (https://huggingface.co/new-collection) 即可从此页面链接。

相似文章