主要观点总结
本文介绍了浙江大学计算机科学与技术学院沈春华教授团队联合其他团队提出的一种名为玻尔兹曼对齐的技术，该技术将知识从预训练的逆折叠模型迁移到了∆∆G的预测，以了解或调节蛋白质-蛋白质相互作用。文章详细描述了该技术的原理、实验验证及其在其他领域的应用。
关键观点总结
关键观点1: 研究背景
随着计算机和人工智能的发展，科研界针对蛋白质-蛋白质相互作用（PPIs）的研究已经取得了长足的发展。尤其是DeepMind于2024年发布的AlphaFold 3，将预测一般蛋白质复合物结构的成功率提升到了近80%的水平，这有效解决了困扰科研界数十年的蛋白质相互作用的高保真计算建模问题。
关键观点2: 玻尔兹曼对齐技术的原理
浙江大学计算机科学与技术学院沈春华教授团队联合澳大利亚阿德莱德大学、美国东北大学等团队，共同提出了一种名为玻尔兹曼对齐的技术。该技术基于玻尔兹曼分布和热力学循环原理，将蛋白质发生突变时结合自由能的变化和蛋白质氨基酸序列出现的可能性联系起来。通过引入玻尔兹曼分布，将能量和蛋白质构象分布联系起来，突出了预训练概率模型的潜力。
关键观点3: 技术的实验验证和评估
研究团队在SKEMPI v2数据集上进行了一系列实验验证，将BA-Cycle和BA-DDG分别与无监督和有监督的SOTA方法进行比较。结果显示，BA-DDG在所有评估指标上均优于所有基线，BA-Cycle取得了与经验能量函数相当的性能。
关键观点4: 技术的其他应用
除了预测∆∆G，研究人员还进行了结合能量预测、蛋白质-蛋白质对接和抗体优化等方面的实验，结果显示了其具有广泛的适用性。这些研究成果在药物设计和虚拟筛选等方面具有极其重要的应用价值。
关键观点5: 沈春华教授及其团队的贡献
沈春华教授长期致力于机器学习和计算机视觉方向的研究，已发表超过150篇论文。其带领的团队在预印本平台arXiv上发表了三篇与蛋白质相关研究论文。此外，沈春华教授还入选了“2023年中国高被引学者 (Highly Cited Chinese Researchers) ”榜单。
文章预览
作者：哇塞 编辑：李宝珠 本文已获得沈春华教授授权报道，转载请联系本公众号，并标明来源 浙江大学计算机科学与技术学院沈春华教授团队联合澳大利亚阿德莱德大学、美国东北大学等团队，共同提出了一种名为玻尔兹曼对齐的技术，将知识从预训练的逆折叠模型迁移到了 ∆∆G 的预测。 蛋白质-蛋白质相互作用 (protein–protein interactions, PPIs) 是所有生物执行各种生物功能的基础，主要通过不同蛋白质分子之间的相互作用和影响实现。准确地识别和理解蛋白质间的相互作用对于解密蛋白质功能、揭示生命活动、探究疾病机理、研发靶向药物以及创新生物应用等具有极其重要的意义。 随着计算机和人工智能的发展，近年来科研界针对 PPIs 的研究在深度学习的加持下已经取得了长足的发展。尤其是 DeepMind 于 2024 年发布的 AlphaFold 3， 一举将预测一般
………………………………
