第三,PSICHIC将配体球分解为更新的配体原子,并将蛋白质区域分组为更新的蛋白质残基,完成一层物理化学图卷积层的循环。 PSICHIC通过三个循环迭代分子内和分子间相互作用,在此过程中根据对分子间相互作用的各自贡献累积配体原子和蛋白质残基的重要性得分(图1d)。通过这些重要性得分,PSICHIC将蛋白质和配体图总结为嵌入...
在片段-蛋白质相互作用中,该团队重点研究了与E3泛素连接酶、包括SLC29A1(hENT1)在内的转运蛋白和细胞周期蛋白依赖性激酶(CDKs)相互作用的配体。使用ML框架可以更深入地研究相互作用,使团队能够预测片段与许多蛋白质的结合。“这使得我们有可能研究和预测片段是否倾向于与具有一致功能的蛋白质亚群相互作用,如转运蛋白或...
蛋白质就像是身体中的精密锁具，而药物分子则是钥匙，只有完美契合的钥匙才能解锁治疗之门。科学家们一直在寻找高效的方法来预测这些「钥匙」和「锁」之间的匹配度，即蛋白质-配体相互作用。然而，传统的数据驱动方法往往容易陷入「死记硬背」，记住配体和蛋白质训练数据，而不是真正学习它们之间的相互作用。近日，浙江...
然后将这些更新的节点特征输入到相互作用模块(inter-block)中,捕获蛋白质和配体原子对之间的相互作用,从而进一步更新节点和边特征。边输出层随后结合这两组特征来生成每个蛋白质配体原子对的相互作用表示(Inter-representation)。在这里,内部模块和相互作用模块都由图Transformer实现。利用强大的自注意力机制,图Transformer在...
近日,浙江大学和中国科学院研究团队,提出了一种名为 EquiScore 的新型评分方法,利用异构图神经网络整合物理先验知识,并在等变几何空间中表征蛋白质-配体相互作用。 EquiScore 基于一个新数据集进行训练,该数据集采用多种数据增强策略和严格的冗余消除方案构建。
2022年7月16日,来自弗吉尼亚大学数据科学学院和生物医学工程系的Philip E.Bourne和Zheng Zhao等人在Drug Discovery Today上发表文章,作者回顾了系统的蛋白质-配体相互作用指纹(IFP)方法在药物开发方面的最新进展和成功应用。 具体来说,回顾了这种IFP方法在揭示整个激酶组的多重药理学、预测设计变构抑制剂和共价激酶抑制...
目前,有许多方法可以用于预测蛋白质-适配体相互作用,下面将介绍其中一些常用的方法。 1. 分子对接(Molecular Docking) 分子对接是通过计算机模拟方法预测蛋白质与小分子化合物之间的结合模式和结合能。这种方法通过搜索可能的结合构象,并根据得分函数评估每个结合构象的优劣,从而找到最可能的结合模式。分子对接方法有许多种...
1. 分子对接(molecular docking)是一种常见的蛋白质-适配体相互作用预测方法,它通过计算和模拟适配体在蛋白质的结合位点上的结合方式和能量,来预测蛋白质和适配体之间的相互作用。分子对接方法通常包括两个步骤:刚体对接和柔性对接。刚体对接是指在不考虑适配体和蛋白质的构象变化的情况下进行对接,在这种情况下,适配体...
蛋白质就像是身体中的精密锁具,而药物分子则是钥匙,只有完美契合的钥匙才能解锁治疗之门。科学家们一直在寻找高效的方法来预测这些「钥匙」和「锁」之间的匹配度,即蛋白质-配体相互作用。 然而,传统的数据驱动方法往往容易陷入「死记硬背」,记住配体和蛋白质训练数据,而不是真正学习它们之间的相互作用。
图神经网络(GNNs)通过分析蛋白质与配体相互作用的图表示结构来预测配体的亲和力。虽然有一些研究表明GNNs能够详细了解蛋白质与配体的相互作用,但这种预测方法也存在争议。比如,有证据显示GNNs可能并不是真正学习蛋白质与配体的相互作用,而是仅仅记住了训练数据中的配体和蛋白质信息。为此作者对六种不同的GNN架构进行了...