RAVEN：冻结随机图储库预测蛋白-配体亲和力

论文作者提出 RAVEN 方法，用多个独立初始化后完全冻结的原子图神经网络作为非线性结构表征储库，再结合确定性的物理信息相互作用指纹，预测蛋白–配体结合亲和力。该方法不再针对亲和力标签端到端优化图编码器，而是从初始化诱导的表征空间中采样多个结构视图，交由异构的神经网络与树模型读取器处理，并通过基于验证集的非负融合整合。 作者报告，在按 GEMS 相似性标准重建、相似性隔离的 PDBbind 2020R1 基准上，RAVEN 在留出测试集取得 Pearson 相关系数 0.8005、RMSE 1.2346 pK 单位；在受保护的 CASF-2016 子集上 Pearson 相关系数为 0.8415。这些数值为作者在论文中自报的评估结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。