该研究指出，基于AlphaFold预测结构（AFDB）训练的逆向折叠模型因AFDB中细微的几何偏差，在实验结构上泛化能力差。为解决此问题，研究者提出了DeSAE去偏结构自编码器，通过对AFDB结构进行去偏处理，显著提升了逆向折叠模型的性能，在多个基准测试中序列恢复率提高了4%至18%。这项工作为提高基于AI的蛋白质设计和结构预测的准确性和泛化能力提供了重要方法。发表于 2025年06月11日。

原文链接：https://x.com/BiologyAIDaily/status/1932783524655886498