耶鲁大学科研团队近日在《物理评论E》期刊发表研究，提出一种基于支持向量回归的简化蛋白质结合预测模型，其综合性能显著优于现有主流算法。蛋白质特异性结合形成的复合物直接调控细胞代谢与免疫防御等关键生理过程。然而，人类体内约有一万种蛋白质中，已解析高分辨率结构的不足数千种，绝大多数互作网络仍属未知。由于湿实验验证成本高昂，计算模拟成为主要手段，但现有评分函数在复杂回归测试中普遍存在精度衰减问题。 为此，科里·奥黑恩教授团队摒弃繁复参数，构建出仅依赖界面接触面积与蛋白链交织程度两项物理特征的轻量级模型。在与七种国际先进算法的交叉验证中，该模型在刚性蛋白对结合位点识别任务中展现出更高的预测稳定性与准确率。该成果为突破当前计算生物学瓶颈提供了新范式，有望大幅缩短创新药物研发周期并推动人工蛋白复合物设计。研究团队表示，未来将在此基础上引入动态柔性算法，以进一步破解真实细胞环境中未知构象蛋白的结合难题。