ICLRApr, 2024

PROflow: PROTAC 诱导的结构预测的迭代精化模型

PDF
TL;DR通过结构预测方法 PROflow，实现对蛋白蛋白结合的保护性分解模型 PROTac 的全面预测，提高了反向蛋白蛋白结合方法的性能与运行速度，使其可以用于大规模的药物筛选设计。
proteolysis targeting chimerasprotacsrational designstructure predictionlarge-scale screening
发现论文，激发创造
  • 基于图形的深度生成模型用于新型 PROTAC 设计

    通过生成模型和加强学习，我们展示了在缺少数据的情况下，如何基于 PROteolysis TArgeting Chimeras（PROTACs）的特性设计出一类具有卓越的蛋白质降解能力的新型分子。

    Nov, 2022

  • 机器学习在全新 PROTAC 设计中新兴方法的综述

    以机器学习为基础，探讨了 ML 在新型靶向蛋白降解工具 (PROTAC) 设计中的应用、影响及局限性。

    Jun, 2024

  • 基于快速注意力点云对齐的强化学习驱动连接器设计

    提出了一种新方法 ShapeLinker，该方法利用增强学习，优化物理化学属性和基于注意力的点云对齐评分，成功地生成了既满足 2D 和 3D 要求，同时又符合药物相似性的独特的连接器，从而更加合理和高效地进行 PROTAC 的设计和优化。

    Jun, 2023

  • 基于序列扩增的 SE (3)- 流匹配用于条件蛋白质背骨生成

    利用氨基酸序列的丰富生物归纳偏差，FoldFlow-2 是一种新颖的序列条件的 SE (3)- 等变流匹配模型，用于蛋白质结构生成，并通过在一个比以前的 PDB 数据集大一个数量级的新数据集上进行规模训练，改进了无条件生成的设计能力、多样性和新颖性，同时在平衡构象抽样任务上具有泛化性能。

    May, 2024

  • PPFlow：具有扭转流匹配的目标感知肽设计

    基于条件流匹配对环面进行建模的针对靶向感知的肽设计方法 PPFlow 填补了人工智能辅助肽药物发现领域的不足，并通过建立名为 PPBench2024 的蛋白 - 肽结合数据集以填充大规模数据空白，实验证明 PPFlow 在肽药物的生成和优化等任务上具有领先水平的性能，并且可以推广到其他任务，包括对接和侧链装配。

    Mar, 2024

  • 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

  • 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

  • 独立 SE（3）等变模型用于端到端刚性蛋白质对接

    本文通过设计 SE（3）- 等变图匹配网络，使用关键点匹配和对齐来逼近配体口袋，并使用可微分 Kabsch 算法预测对接姿态，从而预测蛋白质复合物的 3D 结构，提出了一个名为 EquiDock 的模型。该模型在不需要大量采样、结构精炼或模板的情况下，在大多数情况下都能在计算时间上优于现有的对接软件，但仍需要进行实证研究。

    Nov, 2021

  • 基于多模态流匹配的全原子肽设计

    通过基于流匹配框架的第一个多模态深层生成模型 PepFlow，我们成功设计了全原子肽链，以靶向特定蛋白质受体，并在计算肽设计和分析中展现了其显著潜力。

    Jun, 2024

  • 多配体对接和结合位点设计的谐波自我调节流匹配

    该论文介绍了利用 HarmonicFlow 和 FlowSite 两种改进的生成过程，通过结构建模和流匹配目标来提高蛋白质结合小分子的生成过程，并展示了其在蛋白质结合位点设计中的应用优势。

    Oct, 2023