다중 도메인 단백질-리간드 결합을 위한 계층적 대조 학습

연구진은 단백질-리간드 결합 친화도 예측을 위한 자기지도 학습 모델 HCLBind를 제안했다.

이 모델은 국소 좌표 교란과 도메인 간 회전을 활용한 계층적 대조 학습으로 단백질 유연성을 더 잘 반영한다.

또한 다중 도메인 단백질을 위해 도메인 인지형 어텐션과 LoRA 기반 파운데이션 모델 적응을 결합했다.

결과적으로 결합 예측의 신뢰도를 높여 신약 발굴 스크리닝에 도움이 될 가능성이 있다.