Sep, 2022

利用联合全局局部交互建模预测蛋白质 - 配体结合亲和力

PDF
TL;DR提出了一种新颖的全局 - 局部相互作用（GLI）框架，用于预测蛋白质 - 配体结合亲和力，通过考虑蛋白质和配体之间的多级相互作用，包括闭合原子之间的高能短程相互作用和非成键原子之间的低能远程相互作用，全局嵌入长程相互作用并分别聚合本地短程相互作用，在各种基于神经网络的模块中获得了更好的预测精度，且该框架与各种神经网络体系结构兼容，且具有适中的计算成本。
protein-ligand binding affinityglobal-local interactioninter-molecular interactionsneural network-based modulesprediction accuracy
发现论文，激发创造
  • 元模型改进的配体 - 蛋白结合亲和力预测

    通过整合发布的经验结构基于对接和序列基于深度学习模型，我们开发了一个元建模框架，多个元模型在结合输入特征多样性的情况下，显著提高了结合亲和力预测的准确性，从而节省了找药物的时间和费用。

    Oct, 2023

  • 一种用于精准绑定亲和力评分和虚拟筛选的多用途深度学习蛋白质 - 配体相互作用预测模型

    通过引入新的数据增强策略和物理信息神经网络，我们提出了一种解决蛋白质 - 配体相互作用预测中结构 - 亲和力数据缺乏的问题的可行方法，并得到了显著的性能提升，适用于药物发现中的配体结合活性评分和虚拟筛选。

    Jul, 2023

  • 蛋白质语言模型驱动的蛋白质序列预测三维配体结合位点

    预测蛋白质的配体结合位点对于理解蛋白质功能和筛选潜在药物是一项基础而重要的任务。通过使用蛋白序列和配体分子图作为输入，LaMPSite 模型能够在没有 3D 蛋白质结构信息的情况下预测结合位点，与需要 3D 结构的基准方法相比具有竞争力的性能，这为药物发现提供了新的机会。

    Dec, 2023

  • 一种用于蛋白质 - 配体结合亲和力预测的深度学习模型的开发与评价

    本研究基于结构的配体发现，利用深度神经网络和三维卷积技术实现，通过对配体 - 受体复合物进行建模，准确地估算它们间的结合亲和力，多项测试表明本方法优于经典评分函数。

    Dec, 2017

  • 一种混合量子经典融合神经网络用于提高药物发现中蛋白质 - 配体结合亲和力预测

    本研究提出了一种新的混合量子 - 经典深度学习模型，用于药物发现中的结合亲和力预测，并通过在优化的量子架构中同时整合 3D 和空间图卷积神经网络，模拟结果显示与现有经典模型相比，预测准确度提高了 6％，收敛性能明显更稳定。

    Sep, 2023

  • 基于结构的深度融合推断提高蛋白质配体结合亲和力预测

    该研究提出使用融合模型来组合不同深度学习模型的特征表示，从而改善预测蛋白质 - 配体结合亲和力的效果，并在 PDBBind 2016 数据集和其对接位点复合物方面证明效力。

    May, 2020

  • 细调的小型语言模型准确预测配体 - 蛋白质相互作用亲和力

    通过使用 fine-tuned 预训练生成型小语言模型 (SLM)，我们描述了准确预测配体 - 蛋白相互作用 (LPI) 亲和度，也称为药物靶点相互作用 (DTI)。我们在无样本设置中针对与配体 - 蛋白相互作用相关的一系列亲和度值进行了准确的预测。模型输入只使用了配体的 SMILES 化学式和蛋白氨基酸序列。我们的结果表明，在准确预测一系列配体 - 蛋白相互作用亲和度方面，与基于机器学习 (ML) 和自由能扰动 (FEP+) 方法相比，我们取得了明显的改进，这可以加速针对具有挑战性的治疗靶点的药物发现项目。

    Jun, 2024

  • 原子卷积网络用于预测蛋白质 - 配体结合亲和力

    本文提出了一种基于原子层次化学相互作用的空间卷积神经网络来预测蛋白质 - 配体复合物的生物活性，并展示了其优于化学信息处理方法的实验结果。

    Mar, 2017

  • 基于结构感知的交互式图神经网络用于预测蛋白质 - 配体结合亲和力

    本研究提出了一种结构感知交互图神经网络 (SIGN)，用于预测蛋白质 - 配体复合物的亲和力。SIGN 包含极性启发式图注意力层（PGAL）和配对交互池（PiPool）两个部分，能充分利用生物分子结构信息并考虑原子之间的长程相互作用，在两个基准测试中显示其优越性。

    Jul, 2021

  • 细粒度相互作用中的蛋白质 - 配体结合表示学习

    我们提出了一种自监督学习的方法来学习蛋白质 - 配体结合表示，通过识别复杂的结合模式，从细粒度的相互作用中获得丰富的结合信息。我们的方法在各种结合任务中展现出优势，包括蛋白质 - 配体亲和性预测、虚拟筛选和蛋白质 - 配体对接。

    Nov, 2023