ICLRMar, 2023

FlexVDW：一种用于蛋白质灵活性考虑的机器学习方法在配体对接中的应用

PDF
TL;DR使用深度学习模型来考虑受体的灵活性，以预测 van der Waals 能量，提高小分子配体姿势预测结果。
ligand docking methodsprotein structurevan der waals energyreceptor flexibilitydeep learning model
发现论文，激发创造
  • Re-Dock: 实现具有扩展性和真实性的分子对接与扩散桥

    通过引入新的任务 —— 灵活对接，以预测配体和口袋侧链的姿态，并引入扩展到几何流形的扩散桥生成模型 Re-Dock，提出了受牛顿 - 欧拉方程启发的能量到几何映射，用于共同建模反映能量约束对接生成过程的结合能和构型，在设计的基准数据集如 apo-dock 和 cross-dock 上进行综合实验证明我们模型相对于现有方法具有更高的有效性和效率。

    Feb, 2024

  • 增强分子对接中配体姿态抽样

    深度学习在分子对接中应用具有巨大潜力，本文通过改进候选配体结合姿势的采样协议，提高了采样准确性，特别是对于结合口袋形状变化较大的情况，同时提供了候选配体姿势数据集和 GLOW 与 IVES 的开源实现。

    Nov, 2023

  • 深度学习在蛋白质 - 配体对接中的应用：是否已达到目标？

    通过构建 PoseBench 实验平台，研究发现最近的深度学习对特定蛋白质目标的多配体对接方法泛化能力不足，模板对接算法在多配体对接中表现良好，为未来的研究提供了改进的方向。

    May, 2024

  • 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

  • 结合对接位姿排序、构象和深度学习改进蛋白质 - 小分子配体结合模式预测

    提出了一种基于图的卷积神经网络，该网络以蛋白质 - 配体复合物的结构信息作为输入，生成活性和结合模式预测模型，并开发了一种深度学习模型，用于结合模式预测，并在各种测试中优于基线对接程序。

    Oct, 2019

  • ETDock: 一种新颖的蛋白质 - 配体对接等变换 Transformer 模型

    应用等变性转换神经网络模型，利用蛋白质和配体的 3D 空间信息以及配体的图级特征进行融合和学习，实现了蛋白质 - 配体对接位姿的预测，并通过迭代优化生成精炼的配体位姿，实验证明该模型具有最先进的性能。

    Oct, 2023

  • 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

  • 深度学习提升基于对接的虚拟筛选

    本文介绍了一种基于深度学习的虚拟筛选方法，使用原子和氨基酸嵌入来提取蛋白质 - 配体复合物的相关特征，并利用一种卷积层处理化合物作为原子上下文的分散向量表示以提高其中的性能。通过在 DUD 中使用 AutoDockVina1.1.2 和 Dock6.6 的输出进行严格评估，本文方法在 AUC ROC 和富集因子方面优于两个对照组，并在 DUD 使用 40 个受体的情况下实现了最好的 AUC ROC 值 0.81。

    Aug, 2016

  • 学习物理学为基于结构的虚拟筛选提供姿态敏感性

    该研究针对药物发现中存在的问题，通过新的模型和基准测试，实现了在结构虚拟筛选中成功识别生物活性配体的目标，并克服了深度学习方法不敏感于蛋白质 - 配体相互作用的限制。

    Oct, 2021

  • 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