arXiv · cs.AI· Loka Li, Jin Tian, Kun Zhang·· 2 天前
CausalBind提出面向蛋白质—分子虚拟筛选的因果稀疏交互建模方法
CausalBind: Causal Modeling and Learning for Protein-Molecule Virtual Screening
arXiv:2610.07340v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Loka Li, Jin Tian, Kun Zhang
研究任务与主要进展
CausalBind通过V结构因果模型和Heckman式选择建模蛋白质—分子配对的稀疏交互，并设计三种实现变体，用于虚拟筛选。作者在摘要中报告，该方法在DUD-E和LIT-PCBA基准上持续优于强检索基线，最大增益出现在LIT-PCBA早期富集，并支持靶点级和骨架级分布外泛化；代码地址为https://github.com/lokali/CausalBind。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org