arXiv · cs.AI· Jae Won Choi, Ryoonki Hong, Alan Liang, Manjula Adiveppa Wader, Bingsong Zeng, Peiyang Tang, Longwei Liu, Ruishan Liu·· 2 天前
PIT-GCL：基于拓扑图对比学习的蛋白质相互作用预测
PIT-GCL: Protein Interaction using Topological Graph Contrastive Learning
arXiv:2610.04850v2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：Jae Won Choi, Ryoonki Hong, Alan Liang, Manjula Adiveppa Wader, Bingsong Zeng, Peiyang Tang, Longwei Liu, Ruishan Liu
首次提交：2026-10-04 09:30
研究任务与主要进展
PIT-GCL提出一种结构感知的蛋白质相互作用预测框架，独立编码每个蛋白质的氨基酸序列、Cα点云和全局持久同调拓扑描述符，并通过双向交叉注意力进行潜在空间软对接。作者称，该模型在PPIRef一般蛋白质相互作用预测上优于代表性基线，在PPB-Affinity上是唯一高于随机水平的方法，但在TCR-pMHC任务上被任务特定序列模型超过；其独立编码表示可预计算并复用于候选蛋白质对筛选。
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