标签
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在蛋白质语言——PLL（基于冻结ESM-2编码器构建的4,096状态上下文字母表）和SLL（对GCP-VQVAE Lite结构分词器的改进），并分别在其上通过下一词元预测预训练自回归Transformer（PLLM和SLLM）。在蛋白质序列与结构生成任务中，与氨基酸级自回归模型相比，它们展现出更好的计算扩展性、采样质量，以及相比AlphaFold2约1000倍的推理速度。