OmniScore：通过等变几何感知离散表示学习对多样生物分子复合物进行通用评分

生物分子复合物的评分是结构评估和药物发现的核心环节，但复合物在构象、大小和分子组成方面存在广泛差异。针对一种相互作用类型调优的评分函数通常难以迁移到另一种类型，而现有的大多数方法又高度依赖特定任务的标签，从而进一步加剧了这一问题。我们提出了 OmniScore，一种通用的基于结构的框架：首先学习复合物的共享几何感知表征，然后通过轻量级的任务特异性预测头将其适配到下游评分任务。OmniScore 将每个结构的图视图与序列视图相结合，对其三维几何信息进行编码，并将表征压缩到紧凑的潜在空间中，以供重建模块和预测头复用。我们在包括复合物、单体和小分子在内的多样化数据集上，采用互补目标对该骨干网络进行预训练，包括坐标恢复、纠正受损的输入标记、预测分子身份，以及将表征与结构层面的物理量相联系。在所评估的基准测试中，与当前最先进的基线方法相比，OmniScore 在抗体-抗原和纳米抗体-抗原质量评估任务的所有报告指标上均取得了最佳表现。在标准的残基层面基准测试中，其冻结的残基嵌入与当前最先进的蛋白质标记化方法表现相当，平均功能位点准确率达到 71.8%。在蛋白质-配体评分与排序基准测试中，OmniScore 的表现与专门针对单一任务构建的方法相当。这些结果表明，在本研究所评估的设置下，几何感知预训练能够为依赖界面结构和残基层面结构的任务提供可复用的评分骨干网络。

生物分子复合物的评分是结构评估和药物发现的核心环节，然而复合物在构象、大小和分子组成方面存在广泛差异。针对某一种相互作用类型调优的评分函数通常难以迁移至其他类型，而现有的大多数方法又高度依赖特定任务的标签，从而进一步加剧了这一问题。我们提出了 OmniScore，这是一种通用的、基于结构的框架：首先学习复合物的共享几何感知表征，随后通过轻量级的任务特异性预测头，将其适配于下游评分任务。OmniScore 将每个结构的图视图与序列视图相结合，对其三维几何结构进行编码，并将表征压缩至紧凑的潜在空间中，使重构模块和预测头能够重复利用这些表征。我们在包括复合物、单体和小分子在内的多样化数据集上对该骨干网络进行预训练，并采用互补的训练目标：坐标恢复、纠正受损的输入标记、预测分子身份，以及将表征与结构层面的物理量建立联系。在所评估的基准测试中，与当前最先进的基线方法相比，OmniScore 在抗体–抗原和纳米抗体–抗原质量评估任务的所有报告指标上均取得了最佳结果。在标准的残基级基准测试中，其冻结的残基嵌入与当前最先进的蛋白质标记化方法表现相当，功能位点平均准确率达到 71.8%。在蛋白质–配体评分与排序基准测试中，其表现与专门针对单一任务构建的方法相当。这些结果表明，在所评估的设置下，几何感知预训练能够为依赖界面结构和残基级结构的任务提供可复用的评分骨干网络。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.28.747942v1?rss=1

🏷️ 生物分子复合物评分 等变几何表示学习 三维结构建模 蛋白质-配体相互作用 结构生物信息学