TankBind 论文精读：从几何建模到结合预测

TankBind（Lu 等, NeurIPS 2022）用几何深度学习预测蛋白-配体的分子间距离矩阵，并同时估计结合亲和力，把姿势与打分统一起来。

核心思想

• 距离图预测：预测配体原子与蛋白节点间的距离，再据此重建姿势。
• 三角感知：引入三角不等式约束，使几何更自洽。
• 按口袋分块：把蛋白分成候选口袋分别建模。

意义

• 展示了「预测几何关系 + 估计亲和力」的统一思路。
• 与 DiffDock、EquiBind 同属深度学习对接的不同技术路线。
• 理解它有助于把握该领域的多样方法。

延伸资源

• 配套：101《DiffDock》、102《EquiBind》。