细粒度相互作用中的蛋白质 - 配体结合表示学习

Nov, 2023

细粒度相互作用中的蛋白质 - 配体结合表示学习

Protein-ligand binding representation learning from fine-grained interactions

Shikun Feng, Minghao Li, Yinjun Jia, Weiying Ma, Yanyan Lan

TL;DR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。

Abstract

The binding between proteins and ligands plays a crucial role in the realm of drug discovery. Previous deep learning approaches have shown promising results over traditional computationally intensive methods, but resulting in poor generalization due to limited supervised data. In this

protein-ligand binding deep learning self-supervised learning pre-training tasks binding process

发现论文，激发创造

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

蛋白质片段周围对齐的自监督口袋预训练

通过在高分辨率原子蛋白质结构中分割药物样片段和相应的口袋，并与一些预训练的小分子编码器生成的伪配体表示对齐，我们提出了一种新颖的口袋预训练方法 ProFSA，该方法在口袋可药性预测、口袋匹配和配体结合亲和力预测等多个任务中取得了最先进的性能，同时通过利用高质量和多样性的蛋白质结构数据库，我们的研究为缓解蛋白质 - 配体复合物数据的稀缺性开辟了新途径。

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

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

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

卷积神经网络在蛋白质 - 配体评分中的应用

本研究利用深度卷积神经网络结合大量蛋白质配体结合和结构数据，开发了一种新的评价蛋白质配体相互作用的计算方法，可以用于计算机辅助新药研发并取得了比传统方法更好的效果。

Dec, 2016

基于深度生成模型的条件受体结合位点三维分子生成

本文提出了一种新的基于深度学习的方法来生成可预测结合蛋白质的三维分子结构，对生成的分子进行了性质评估，并探索了生成模型的潜在空间，为利用深度学习从蛋白结构预测稳定的生物活性分子开启了新的可能性。

Oct, 2021

PLA-SGCN: 蛋白质 - 配体结合亲和力预测的相似对和半监督图卷积网络的整合

本文提出了一种利用半监督图卷积网络（GCN）在蛋白质 - 配体亲和性（PLA）预测中整合了相似困难样本的方法，通过同时检索相似困难样本、学习蛋白质 - 配体描述符、学习输入样本的图拓扑结构以及使用半监督 GCN 进行任务预测，显著优于相似方法。

May, 2024

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

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