准确预测蛋白质-配体结合亲和力在药物发现中至关重要。现有方法主要是不涉及对接的,当无法获得结晶的蛋白质-配体结合构象时,这些方法并未明确考虑蛋白质与配体之间在原子级别的相互作用。作者引入了一个框架——折叠-对接-亲和力(FDA)。该框架折叠蛋白质,确定蛋白质-配体的结合构象,并从三维蛋白质-配体结合结构预测...
蛋白质-配体结合亲和力预测存在挑战蛋白质-配体结合亲和力预测是药物发现的关键步骤。它使研究人员能够在进行昂贵且耗时的实验之前识别潜在的候选药物并优化其特性。三维 (3D) 结构蛋白数据的可用性不断增加，为基于结构的药物发现提供了新的范式，并且 3D 结构信息已被证明可以促进药物设计。人们已经开发了各种计算方法来...
然而，目前的研究主要利用基于序列或结构的表示来预测蛋白质-配体的结合亲和力，对蛋白质-配体相互作用至关重要的蛋白质表面信息的研究相对较少。分子表面是蛋白质结构的高级表示，它表现出化学和几何特征模式，可作为蛋白质与其他生物分子相互作用模式的指纹。因此，一些研究开始使用蛋白质表面信息来预测蛋白质-配体结合...
化合物会与蛋白特定的结合位点发生相互作用,从而形成稳定的蛋白质-配体复合物。分子对接作为一种常见的计算化学方法,用于预测蛋白质与配体之间的结合方式。它能够有效地确定蛋白质-配体复合物的结合位姿,为药物设计提供了一定的帮助。 然而,预测蛋白质与配体之间的结合亲和力仍然是一个备受挑战的问题。从亲和力指标中能够...
化合物会与蛋白特定的结合位点发生相互作用,从而形成稳定的蛋白质-配体复合物。分子对接作为一种常见的计算化学方法,用于预测蛋白质与配体之间的结合方式。它能够有效地确定蛋白质-配体复合物的结合位姿,为药物设计提供了一定的帮助。 然而,预测蛋白质与配体之间的结合亲和力仍然是一个备受挑战的问题。从亲和力指标中能够...
1. 分子对接:分子对接是一种常用的蛋白质-配体结合亲和力预测方法。它通过计算蛋白质和配体之间的相互作用能来预测它们的结合亲和力。 2. 反向分子对接:反向分子对接是一种从已知的配体库中筛选出与目标蛋白质结合亲和力高的配体的方法。通过将分子库中的配体依次与蛋白质进行对接,并计算它们的结合亲和力,从而预测与蛋...
作者提出了一种新的多模态特征提取(multimodal feature extraction, MFE)框架,该框架结合了来自蛋白质表面、3D结构和序列的信息,并使用交叉注意力机制在不同模态之间进行特征对齐。实验结果表明,MFE在预测蛋白质配体结合亲和力方面超越了现有的方法。 MFE的架构如图1所示,包括(a)结构特征提取;(b)表面特征提取;(c)序列...
PiPool用来将蛋白质和配体之间的远程相互作用纳入模型中。在两个基准上的实验结果验证了SIGN的优越性。1研究背景 预测蛋白质与配体的结合亲和力已被广泛认为是计算药物发现中最重要的任务之一。这里的配体通常是指包括小分子和生物制剂在内的候选药物，它们可以在生物过程中作为激动剂或抑制剂与蛋白质相互作用以治疗疾病...
近期,来自厦门大学的研究团队提出了一种创新的多模态特征提取(MFE)框架,首次将蛋白质表面、3D结构和序列信息相结合,为蛋白质-配体结合亲和力的预测开辟了新路径。相关研究以「Surface-based multimodal protein–ligand binding affinity prediction」为题,于 6 月 21 日发布在《Bioinformatics》上。
本文首次将图神经网络、双传输信息机制和基于物理的距离项结合起来,提出了一种基于Vina距离优化项的预测蛋白-配体结合亲和力的图神经网络策略,称为GraphscoreDTA。与其他方法相比,GraphscoreDTA不仅可以有效地捕获蛋白质-配体对的相互信息,还可以突出配体的重要原子和蛋白质的残基。结果表明,GraphscoreDTA在多个测试集上...