PIT-GCL 蛋白互作预测框架获提出
热点事件持续更新
PIT-GCL 蛋白互作预测框架获提出
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Jae Won Choi 等人提出 PIT-GCL 蛋白互作预测框架；在 PPIRef、STAG 和 PPB-Affinity 基准测试的一般蛋白互作任务中，该方法优于代表性基线，并且是 PPB-Affinity 上唯一高于随机水平的方法。框架分别编码蛋白质序列、Cα 点云和全局持久同调描述符，再预测蛋白质结合。 在 TCR-pMHC 任务的固定决策阈值下，PIT-GCL 表现领先，但排名低于专用序列模型。它可独立预计算并复用单个蛋白质的表示，支持大规模候选配对筛选。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
PIT-GCL：基于拓扑图对比学习的蛋白质相互作用预测方法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningPIT-GCL：基于拓扑图对比学习的蛋白质相互作用预测方法
PIT-GCL提出双塔结构感知框架，融合蛋白质序列、Cα点云与全局持久同调描述符预测蛋白质结合。在PPIRef、STAG和PPB-Affinity三项基准测试中，它在一般PPI任务上优于代表性基线，且是在PPB-Affinity上唯一高于随机水平的方法；在TCR-pMHC固定决策阈值下领先，但排名低于专用序列模型。蛋白质表示可独立预计算并在候选配对间复用，便于大规模筛选。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。