SOTA性能，多尺度学习，中山大学提出蛋白质-药物相互作用AI框架

中山大学和上海交通大学的研究团队开发了一种名为MUSE的新框架，用于平衡多尺度学习，以理解和预测蛋白质和药物的相互作用。MUSE基于变量期望最大化，能有效整合不同尺度的信息，克服了多尺度学习中的不平衡性和贪婪性。通过相互监督和迭代优化，MUSE在分子相互作用预测任务上超越了现有最先进的模型，包括蛋白质-蛋白质、药物-蛋白质和药物-药物的相互作用。此外，MUSE在原子结构尺度的蛋白质界面预测上也表现出色，能改进分子网络尺度的预测并预测蛋白质-蛋白质相互作用的接口接触和结合位点。MUSE的学习能力分析表明，它成功缓解了多尺度学习的不平衡特性，提高了泛化能力。研究结果发表在《Nature Communications》上，为计算药物发现提供了新的多尺度学习方法。

本文来源： 机器之心【阅读原文】