摘要
一种基于特征点匹配的蛋白质结构‑密度图拟合方法,属于生物信息学与结构生物学领域,构建蛋白质复合物结构数据集,通过体素化与均匀采样将结构转换为统一分辨率点集,并采用最远点采样构建多分辨率点集以刻画尺度几何;采用深度学习网络在多分辨率下学习结构与密度图的旋转等变与不变特征,在颈部引入基于最近邻逐层扩张的几何自注意力机制增强表征;训练阶段采用由粗到细的特征点匹配策略,结合超点匹配损失、点级匹配损失及对比旋转损失优化;推理阶段采用多尺度和混合采样,并通过平移掩码生成候选位姿,依据结构‑密度图拟合得分对候选位姿筛选与优化,输出最终拟合结果。本发明能够在复杂条件下实现高精度、高效率的结构‑密度图拟合。