Tag
HierDTA 是一个层次结构感知的药物-靶点亲和力预测框架，将药物表示为原子-基团异构图并结合蛋白质残基交互图与交叉注意力机制，在 Davis 和 KIBA 数据集上取得领先性能，并在冷启动场景下展现出良好泛化能力。
该论文提出两种学习得到的潜空间蛋白质语言——PLL（基于冻结ESM-2的4,096状态上下文字母表）和SLL（改进的GCP-VQVAE Lite结构分词器），并分别在其上预训练自回归Transformer（PLLM和SLLM），在蛋白质序列与结构生成上相比氨基酸级自回归模型表现出更好的计算扩展性、采样质量以及与AlphaFold2相比约1000倍的推理速度。