类脑智能与AI 物理驱动的几何不变学习:蛋白质相互作用建模的新突破
本文介绍了一种基于物理信息几何不变学习(Physics-Informed Geometric Invariant Learning)的新型蛋白质相互作用建模方法。该研究通过整合物理约束与几何深度学习,显著提升了蛋白质-蛋白质相互作用(PPI)预测的准确性与鲁棒性。该模型不仅能够捕捉蛋白质结构的复杂空间特征,还通过引入物理能量函数,解决了传统数据驱动模型在缺乏大规模实验数据时的泛化难题,为药物发现与蛋白质工程提供了强有力的计算工具。...