%E8%9B%8B%E7%99%BD%E7%BB%93%E6%9E%84%E9%A2%84%E6%B5%8B

[giscus[bot]]

%E8%9B%8B%E7%99%BD%E7%BB%93%E6%9E%84%E9%A2%84%E6%B5%8B

fold.it ：如何把进化信息变成几何结构？ 在若干年前，研究人员曾尝试把蛋白质折叠变成一个众包游戏 —— Foldit。 玩家并不需要掌握量子化学，只需要拖拽、旋转、拉近、推开，就能让屏幕上蛋白结构的能量读数下降。令人惊讶的是，人类玩家常常能凭直觉找到比当时自动化算法更合理的构象。 这一点揭示了一个朴素但深刻的事实： 蛋白结构蕴含着高度直观的几何逻辑，而构象的“合理性”往往是可以被视觉捕捉的拓扑特征。 这也是蛋白质结构预测长期被称为计算生物学“圣杯问题”的原因：目标明确、物理法则已知，但计算复杂度却令人望而却步。 早期尝试：能量最小化和contact map 结构预测最初的愿望非常符合物理...

https://chenghui03.github.io/%E8%9B%8B%E7%99%BD%E7%BB%93%E6%9E%84%E9%A2%84%E6%B5%8B

[Yirios]

我倒觉得 triangular update 和 triangular self-attention 共同学习了结构信息。三角不等本该就是满足的，因为 pair 是由模板的 contact map 根据距离分段编码得到的，三角更新实际也是带门控的，也许很难说是严格的距离约束。

[chenghui03]

真实蛋白结构得到的contact map确实满足三角不等式, 但从MSA得到的predicted contact map则一般不会满足

现在增加了triangle attention部分, 并展示了和triangle update的关系