EigenFold：采用扩散模型的生成蛋白质结构预测

蛋白质结构预测在单一结构上已达到革命性的准确性，但需要分布建模范式来捕捉支撑生物功能的构象系综和灵活性。为此，我们开发了EigenFold，一个用于从给定蛋白质序列中采样结构分布的扩散生成建模框架。我们定义了一个扩散过程，将结构建模为一个谐振子系统，且自然地沿着系统的特征模引发级联分辨率生成过程。在最近的CAMEO目标上，EigenFold达到了0.84的中位TM评分，同时通过采样结构的集合提供了比现有方法更全面的模型不确定性图景。然后，我们评估了EigenFold对折叠转换蛋白和配体诱导的构象变化的建模和预测能力。代码可通过 https://github.com/bjing2016/EigenFold 获取。