Tree of Thoughts Interpretable Reasoning Protein-Protein Interaction Flow Matching
摘要

针对现有蛋白质 - 蛋白质相互作用(PPI)预测缺乏机理解释的问题,本文提出“蛋白质思维”框架。该方法将 PPI 发现重构为可解释的搜索问题,显式分解序列相似性、结构互补性等四种生物信号。通过假设引导的熵正则化思维树(Tree-of-Thoughts)搜索策略,结合微调语言模型生成搜索指令及嵌入空间流匹配技术,高效导航候选空间并优化推理路径。实验表明,该方法在排序精度与预测性能上均显著优于现有基准。

AI 推荐理由

论文核心提出基于 ToT 的可解释推理框架,显式分解生物信号进行逻辑推导。

研究机构
Department of Statistics and CCAM, University of Chicago, Chicago, IL 60637 School of Medicine, Stanford University, Stanford, CA 94305 Department of Statistics, University of Chicago, Chicago, IL 60637
论文信息
作者 Kingsley Yeon, Xuefeng Liu, Promit Ghosal
发布日期 2026-05-19
arXiv ID 2605.21522
相关性评分 9/10 (高度相关)