TankBind 论文精读：从几何建模到结合预测

TankBind（Lu 等，2022）在深度学习对接的早期探索中提出了一条不同的路线：不直接预测坐标，而是先预测蛋白-配体的距离矩阵，再从距离矩阵重建三维坐标。

核心设计：预测距离而非坐标

# 为什么预测距离矩阵？
#
# 距离是旋转平移不变量
#   → 不需要等变网络就天然满足不变性
#   → 网络架构可以更简单
#
# 对比：
#   EquiBind：直接预测坐标 → 需要等变网络（见 102）
#   TankBind：预测距离矩阵 → 只需不变量网络
#
# 流程：
#   1) 编码蛋白与配体
#   2) 用三角注意力模块建模两者的交互
#      （借鉴 AlphaFold2 的 Evoformer 设计，见 112）
#   3) 输出蛋白残基 × 配体原子的距离矩阵
#   4) 用优化算法从距离矩阵重建坐标
#      （类似距离几何法，见 279）
#
# 三角注意力的作用：
#   保证距离矩阵满足三角不等式约束
#   → 距离矩阵是「几何自洽」的
#   → 这是从 AlphaFold2 借来的关键思想

口袋划分策略

• 问题：盲对接时蛋白很大，全蛋白建模计算量大且信号稀疏；
• TankBind 的做法：先用 P2Rank 等工具把蛋白划分成多个候选口袋（block），对每个口袋独立预测，最后比较各口袋的预测置信度；
• 优点：把盲对接分解成多个局部问题，计算可控；同时给出「配体最可能结合在哪个口袋」的信号；
• 局限：依赖口袋检测的质量——如果真实结合位点没被检测出来（如隐蔽口袋，见 091《蛋白口袋 Protein Pocket》），整个预测就错了。

三种方法的对比

	EquiBind	TankBind	DiffDock
预测目标	坐标	距离矩阵	姿势自由度
架构要求	等变网络	不变量网络 + 三角注意力	等变 + 扩散
建模范式	确定性回归	确定性回归	生成式
坐标重建	直接输出	需要额外优化步骤	直接输出
多模态	无法表达	有限	天然支持
盲对接策略	端到端	口袋划分	端到端

距离矩阵路线的优缺点

# 优点：
#   1) 不变性天然满足，架构简单
#   2) 距离矩阵是稠密的监督信号
#      每个残基-原子对都是一个训练样本
#      → 比只监督最终坐标信号更丰富
#   3) 可以表达「不确定性」
#      预测距离分布而非单一距离
#
# 缺点：
#   1) 坐标重建是额外的优化步骤
#      预测的距离矩阵可能不自洽
#      → 重建出的坐标可能与预测有偏差
#   2) 误差会在重建中累积放大
#   3) 仍是确定性回归 → 「回归到均值」问题依然存在
#   4) 无物理约束 → 重建的姿势可能不合理

# 这条路线在结构预测中很成功
#   （AlphaFold2 的核心就是距离/接触预测）
# 但在配体对接中效果有限，原因：
#   蛋白结构预测有共进化信号做支撑，
#   而蛋白-配体结合没有类似的强信号

后续评估

• 准确度介于 EquiBind 与 DiffDock 之间：优于 EquiBind，但明显低于 DiffDock 与传统对接（在给定口袋的设置下）；
• 同样存在物理有效性问题：PoseBusters 类检查通过率不高；
• 口袋预测的优势：在「找到哪个口袋」这个子任务上表现不错，这部分能力有独立价值；
• 亲和力预测：论文也报告了亲和力预测能力，但与所有此类方法一样，相关性有限（见 095《Docking Score》）。

方法学上的贡献

• 把 AlphaFold2 的三角注意力引入配体对接：这个思路后来在 AlphaFold3、Boltz、Chai-1 中被充分发展（见 113《AlphaFold3 论文精读》、120《Boltz-1 技术报告精读》、122《Chai-1 技术报告精读》）——它们统一处理蛋白与配体，正是这条路线的成熟形态；
• 口袋划分的工程思路：把大问题分解成局部问题，这个策略在后续工作中仍被采用；
• 验证了距离矩阵路线在配体问题上的局限：为后续转向生成式建模提供了依据。

现在的定位

TankBind 已被后续工作超越，不建议在生产中使用。它的价值在于理解深度学习对接的方法演进：EquiBind（坐标回归）→ TankBind（距离矩阵 + 三角注意力）→ DiffDock（生成式扩散）→ AF3 类模型（统一的复合物预测），每一步都针对前一步的具体缺陷。如果要用深度学习做对接，现在应该直接看 Boltz-2 或 Chai-1（见 121《Boltz-2 技术报告精读》、122《Chai-1 技术报告精读》）。

延伸资源

• EquiBind：102《EquiBind 论文精读》；DiffDock：101《DiffDock 论文精读》；
• AlphaFold2：112《AlphaFold2 论文精读》；AlphaFold3：113《AlphaFold3 论文精读》；Boltz：120《Boltz-1 技术报告精读》、121《Boltz-2 技术报告精读》。