כתבה
arXiv cs.LG ·
שיפור פונקציות ציון לדוקינג של חלבונים-חלבונים עם LambdaLoss
Improving scoring functions for protein-protein docking with LambdaLoss
במאמר זה, נציגים פרקטיקה חדשה לשיפור פונקציות ציון לדוקינג של חלבונים-חלבונים עם LambdaLoss. הפרקטיקה נבדקה על ידי טריינינג מחדש של ראש חישוב האנרגיה של DFMDock עם LambdaLoss על נתוני ניסוי חדשים של 2.9M דקויים. תוצאות המחקר הראו שהדגם המשופר LambdaDockScore היה טוב יותר בזיהוי פוזיציות נכונות במקומות הראשון והחמישי מאשר EuDockScore, דגם מבוסס-מצב-על.
תקציר מקורי באנגליתarXiv:2610.00191v1 Announce Type: cross Abstract: Modeling protein-protein interactions requires accurate scoring functions that can rank potential poses (conformations) of a protein-protein complex to differentiate near-native poses from incorrect ones. Here, we propose a general framework for improving protein-protein pose ranking and other biomolecular interaction models using the LambdaLoss loss function from the Learning-to-Rank field. We test this framework by fine-tuning the energy prediction head of DFMDock with the LambdaLoss on an augmented dataset of 2.9M decoy poses derived from the DIPS dataset. On targets from the CAPRI score set benchmark, our fine-tuned ranking model LambdaDockScore is better at identifying correct poses in its top-1 and top-5 predictions compared to EuDock
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית