CausalBind 用稀疏交互因果建模提升虚拟筛选泛化。
资讯摘要
论文提出 CausalBind，将蛋白质-分子虚拟筛选视为稀疏跨模态交互问题，认为结合由少量接触界面和局部相互作用决定，而非全局结构对齐。作者用 Heckman 式选择下的 V 结构因果模型形式化该先验，给出可识别性理论结果，并实现三个变体。在 DUD-E 与 LIT-PCBA 基准上，作者报告各变体均优于强检索基线，LIT-PCBA 早期富集提升最大，并泛化到目标级与骨架级分布外划分。
要点速读
- 论文指出结合由小接触界面和少数局部相互作用（如氢键、疏水接触、盐桥）主导，而非蛋白质与分子的全局结构。
- 作者用 Heckman 式选择下的 V 结构因果模型形式化稀疏交互先验，并给出三条可识别性理论结果。
- 作者报告 CausalBind 三个变体在 DUD-E 和 LIT-PCBA 上均优于强检索基线，LIT-PCBA 早期富集增益最大，并泛化到目标级与骨架级分布外划分。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。