IntFold: Un Modello Fondamentale Controllabile per la Predizione di Strutture Biomolecolari Generali e Specializzate
IntFold: A Controllable Foundation Model for General and Specialized Biomolecular Structure Prediction
July 2, 2025
Autori: The IntFold Team, Leon Qiao, Wayne Bai, He Yan, Gary Liu, Nova Xi, Xiang Zhang
cs.AI
Abstract
Presentiamo IntFold, un modello di base controllabile per la previsione sia generale che specializzata della struttura biomolecolare. IntFold dimostra un'accuratezza predittiva paragonabile allo stato dell'arte AlphaFold3, utilizzando un kernel di attenzione personalizzato superiore. Oltre alla previsione standard della struttura, IntFold può essere adattato per prevedere stati allosterici, strutture vincolate e affinità di legame attraverso l'uso di adattatori individuali. Inoltre, introduciamo una nuova testa di confidenza per stimare la qualità del docking, offrendo una valutazione più sfumata per target complessi come i complessi anticorpo-antigene. Infine, condividiamo le intuizioni acquisite durante il processo di addestramento di questo modello computazionalmente intensivo.
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.