SELF-SUPERVISED POCKET PRETRAINING VIA PROTEIN FRAGMENT-SURROUNDINGS ALIGNMENT
通过蛋白质片段-环境比对实现自我监督口袋预训练
这个文章提出一个方法叫ProFSA 主要是用来解决 药物研发中，蛋白质和小分子结合数据太少的问题。
主要通过从蛋白质切下一块片段当做假药物，构造了500万组假药物-蛋白质口袋的数据，训练出一个ai模型，去判断口袋能不能放得下药物，或者能不能结合的牢靠。 就类似蛋白质口袋是 "钥匙孔"，小分子是 "钥匙"，只有形状、材质匹配的钥匙，才能插进钥匙孔并发挥作用。
具体细节：
步骤1：从蛋白质上切1-8个氨基酸组成的片段，把这个氨基酸片段当做假小分子（因为有相似的化学结构，同时能与口袋结合）
步骤2：每个假小分子周围，一定会存在凹陷区域，把他叫做假口袋，以片段为中心，找周围 6 埃（原子尺度的距离单位）内的蛋白质残基，这些残基构成的凹陷就是 "假口袋"；同时要做一定的修正工。给片段的两端加化学基团，让它更像真实小分子。
步骤3：造出500多万种组合，并且保证与真实数据中的口袋大小结合程度一致。
步骤4：让模型学习正确的配对形式和不正确的配对形式，从而让他找到规律扩展到真实的情况中。
借鉴到酶优化中？
能否在目标酶的结构中也切，然后学习。
或者是在编码的时候考虑3D结构特征，在对某一个节点进行突变的时候，同时考虑到突变以后跟口袋是否还匹配？
Deep contrastive learning enables genome-wide virtual screening
深度对比学习支持全基因组虚拟筛选
核心是解决 "全基因组规模虚拟筛选太慢" 的痛点 ------ 提出基于深度对比学习的框架，将蛋白质口袋和小分子编码到同一特征空间，实现 "搜索引擎式" 快速匹配。
数据准备：从ProFSA中的伪配对+一点真实的配对
模型训练：预训练选择冻结分子编码器，训练口袋编码器（这里用到对比学习），微调时同时更新分子和口袋编码器对比损失。
虚拟筛选：首先将口袋和化合物转成特征向量，去计算余弦相似度，最后用湿实验验证。
主要点：他把筛选变成检索大大加快速度，先把所有化合物提前编码，筛选的时候只需要目标口袋的信息，再用相似度排序。
与之前ProFSA论文相似点：都解决 "蛋白 - 小分子结合数据稀缺" 的问题（ProFSA 缺口袋表征数据，DrugCLIP 缺虚拟筛选数据）
元学习器
酶分种类做学习器 再汇总做泛化能力
进行一个不同的分类
前3位EC号进行分类 坝是蛋白质序列，结果是酶和活性的值
主动学习+加口袋特征，酶催化底物+产物信息