LEEN：结合局部等变结构与进化信息的蛋白稳定性预测方法

作者提出 LEEN（Local Equivariant Energy Network），一种用于预测单氨基酸替换引起蛋白热稳定性变化（ΔΔG）的轻量方法，将突变效应表示为共享局部上下文下突变体与野生型能量之差，从而在代数上保证固定上下文的反称性；对两个突变方向使用同一对称化上下文时，对称化变体可扩展到精确反称性。方法用 E(n)-等变图神经网络编码突变位点周围的局部几何，并通过消息门控引入蛋白语言模型的进化信息来调节结构信息流，而不是直接拼接特征。