拡散ドッキングの追加学習、焦点を絞った教師信号は通常の継続学習を上回らず
- DiffDockを用い、学習予算を固定したうえで、通常の継続学習、ねじれ角に焦点を当てた教師信号、両者の混合を比較した。
- スコア忠実度、ポーズ品質、10回サンプリングでの最良結果、信頼度順位に基づくTop-1成功率を分けて評価している。
- 学習済みモデルの中ではTop-1成功率が通常の継続学習で最も高く、焦点型や混合型に一貫した優位は見られなかった。
💡 ポイント アブストラクトに基づく見解
否定的結果として有益だが、Top-1はDiffDockの信頼度モデルに左右され、追加学習がそこに触れていなければ、スコア忠実度の改善は見えにくい。乱数シード間のばらつき、PDBBindとPoseBustersの差、物理的妥当性フィルタ下での成功率が知りたい。ベンチマークの保持データではなく、自社のクロスドッキング対象でも成り立つのかが気になる。