热点事件持续更新
深度学习预测变构位点结合姿态的物理机制研究
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年10月9日，一篇bioRxiv预印本研究评估了深度学习共折叠与对接模型在蛋白-配体结合构象预测上的表现。研究发现，这类模型在正构位点能准确预测配体结合构象，但在变构口袋系统性表现不佳。研究通过对多个基准和未整理数据集评估，将这一差距归因于能量景观拓扑而非算法缺陷：正构口袋是高介数通信枢纽，变构位点则位于低介数外周区域、frustration分布碎片化，AI预测成功率与配体结合时的frustration quenching幅度密切相关。研究还指出，多构象采样能力是跨越能垒、发现frustration漏斗的必要条件。目前该研究为预印本，尚未见后续报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 08:00
预印本研究称变构口袋预测差距源于能量景观拓扑，而非算法缺陷。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- bioRxiv 预印本深度学习模型预测蛋白-配体结合构象：变构口袋准确率差距源于能量景观拓扑而非算法缺陷
深度学习共折叠与对接模型在正构位点能准确预测配体结合构象，但在变构口袋系统性表现不佳。研究通过对多个基准和未整理数据集评估发现，AI预测成功率与配体结合时的frustration quenching幅度密切相关：正构口袋是高介数通信枢纽，变构位点则位于低介数外周区域、frustration分布碎片化。多构象采样能力是跨越能垒、发现frustration漏斗的必要条件。
本事件热度走势
当前热度 6·可比范围峰值 7（10月9日 22:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。