IntFold : Un modèle de base contrôlable pour la prédiction générale et spécialisée des structures biomoléculaires

IntFold: A Controllable Foundation Model for General and Specialized Biomolecular Structure Prediction

July 2, 2025

Auteurs: The IntFold Team, Leon Qiao, Wayne Bai, He Yan, Gary Liu, Nova Xi, Xiang Zhang

cs.AI

Résumé

Nous présentons IntFold, un modèle de base contrôlable pour la prédiction de structures biomoléculaires générales et spécialisées. IntFold démontre une précision prédictive comparable à celle de l'état de l'art AlphaFold3, tout en utilisant un noyau d'attention personnalisé supérieur. Au-delà de la prédiction de structures standard, IntFold peut être adapté pour prédire les états allostériques, les structures contraintes et l'affinité de liaison grâce à l'utilisation d'adaptateurs individuels. De plus, nous introduisons une nouvelle tête de confiance pour estimer la qualité du docking, offrant une évaluation plus nuancée pour des cibles complexes telles que les complexes anticorps-antigène. Enfin, nous partageons les enseignements tirés lors du processus d'entraînement de ce modèle intensif en calcul.

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.