IntFold: Ein steuerbares Grundmodell für die allgemeine und spezialisierte Vorhersage biomolekularer Strukturen
IntFold: A Controllable Foundation Model for General and Specialized Biomolecular Structure Prediction
July 2, 2025
Autoren: The IntFold Team, Leon Qiao, Wayne Bai, He Yan, Gary Liu, Nova Xi, Xiang Zhang
cs.AI
Zusammenfassung
Wir stellen IntFold vor, ein kontrollierbares Grundlagenmodell für die Vorhersage allgemeiner und spezialisierter Biomolekülstrukturen. IntFold zeigt eine Vorhersagegenauigkeit, die mit dem Stand der Technik, AlphaFold3, vergleichbar ist, während es einen überlegenen, maßgeschneiderten Attention-Kernel nutzt. Über die Standardstrukturvorhersage hinaus kann IntFold durch die Verwendung individueller Adapter angepasst werden, um allosterische Zustände, eingeschränkte Strukturen und Bindungsaffinität vorherzusagen. Darüber hinaus führen wir einen neuartigen Confidence-Head ein, um die Docking-Qualität zu schätzen, was eine differenziertere Bewertung für anspruchsvolle Ziele wie Antikörper-Antigen-Komplexe ermöglicht. Schließlich teilen wir Erkenntnisse, die während des Trainingsprozesses dieses rechenintensiven Modells gewonnen wurden.
English
We introduce IntFold, a controllable foundation model for both general and
specialized biomolecular structure prediction. IntFold demonstrates predictive
accuracy comparable to the state-of-the-art AlphaFold3, while utilizing a
superior customized attention kernel. Beyond standard structure prediction,
IntFold can be adapted to predict allosteric states, constrained structures,
and binding affinity through the use of individual adapters. Furthermore, we
introduce a novel confidence head to estimate docking quality, offering a more
nuanced assessment for challenging targets such as antibody-antigen complexes.
Finally, we share insights gained during the training process of this
computationally intensive model.