上海交通大学郑双佳课题组联合星药科技、中山大学药学院以及美国莱斯大学,提出了为蛋白质「动态对接」设计的几何深度生成模型 DynamicBind,可以有效地将蛋白质构象从最初的 AlphaFold 预测状态调整到 holo-like 状态,为后 AlphaFold 时代的药物研发提供了一种基于深度学习的、考虑蛋白动态变化的新研究策略。 蛋白质是生命...
提出了为蛋白质动态对接 (dynamic docking) 设计的几何深度生成模型DynamicBind,可以有效地将蛋白质构象从最初的 AlphaFold 预测状态调整到类似全息 (holo-like) 状态,为后 AlphaFold 时代的药物研发提供了一种基于深度学习的、考虑蛋白动态变化的新研究范式。
前面我们分享了三种方法来查看分析alphafold3预测的蛋白质互作的结果,除此之外,还可以利用蛋白质与蛋白质分子对接来预测评价两个蛋白质之间的相互作用的可能性以及强弱。分子对接分为刚性对接,半柔性对接,柔性…
提出了为蛋白质动态对接 (dynamic docking) 设计的几何深度生成模型 DynamicBind,可以有效地将蛋白质构象从最初的 AlphaFold 预测状态调整到类似全息 (holo-like) 状态,为后 AlphaFold 时代的药物研发提供了一种基于深度学习的、考虑蛋白动态变化的新研究范式。
随着越来越多的蛋白质结构被发现,蛋白质-配体对接预测将在药物发现中发挥越来越重要的作用。近年来,基于深度学习的方法在蛋白质与配体的对接预测方面取得了重大进展,但由于在蛋白质特征提取中没有充分考虑潜在口袋区和非口袋区之间的差异,其所获得的蛋白质特征并不是最
类似地,FABind-PG分为两个步骤:口袋预测和对接。第一步,通过FABind层提取蛋白质和配体特征,然后利用Gumbel-softmax函数预测口袋的中心点,并在其周围选择20埃以内的区域作为对接候选区域。考虑到对接候选区域相对于最终对接区域面积较大,其中仍包含蛋白质中相当一部分非口袋区。在FABind预测步骤中,将PG模块插入FABind...
首先，需要将AlphaFold3预测的cif结果文件中包含的两条蛋白质链导出为pdb格式。接下来，可以使用刚性对接软件GRAMM/ZDOCK进行分子对接。对于GRAMM，网址为 gramm.compbio.ku.edu/re...，而ZDOCK的网址为 zdock.wenglab.org/。在进行对接时，需要将两个pdb文件作为输入，其中一个作为受体保持不动，另一个...
第一个模型从初始对接姿态预测蛋白质−配体对的最佳对接姿态,第二个模型评估第一个模型的输出姿态,并预测该姿态是否接近原始姿态。 2.1姿势预测 基于PDBbind 2017数据集,并从中删除具有少于两个可旋转键的蛋白质−配体复合物以及具有多个配体的蛋白质,姿态预测模型的输入原子特征是一个复合体中的原子数乘21(每个...
使用 CAPRI 标准和 DockQ 分数评估了对接协议的准确性，重点关注保守的天然接触分数和 RMSD 值等指标。基于这些标准确定可接受的解决方案。AlphaFold-Multimer 结构预测 使用 AlphaFold2-multimer 预测蛋白质-蛋白质复合物。使用与 LightDock 相同的指标评估这些预测的准确性。PROTAC-Model 基准计算 该研究还将其结果...
首先，使用PyMOL将AlphaFold3预测的cif结果文件中的两条蛋白质链导出为pdb格式。接着，运用刚性对接软件GRAMM/ZDOCK进行对接操作。输入两个pdb文件，其中一个作为受体保持不动，另一个作为配体通过不同位置调整尝试结合。填写电子邮箱地址，等待对接结果通过邮件发送。GRAMM输出参数设置中，可以输入已知的参与...