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...
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...
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-配体结合亲和力。
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获得关于蛋白质与配体相互作用强度的关键信息,并且在药物的虚拟筛选和再利用中发挥着重要作用,为准确设计具有特定生物活性的化合物提供了重要的指导。 模型介绍 2.1 PLBAP模型架构(基于原子卷积模块) 通过设计了多个原子卷积神经网络来...
基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D 结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。 实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效...
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...
基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D 结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的...
在文章中,作者开发了一个叫做PLANET的图神经网络模型(Protein−Ligand Affinity prediction NETwork),用于蛋白质-配体结合亲和力预测。该模型以靶蛋白上结合袋的三维图表示结构和配体分子的二维化学结构为输入。该方法通过一个多目标过程进行训练,包括三个相关任务:获得蛋白质-配体结合亲和力,蛋白质-配体接触图和配体距离...
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...
由于蛋白质-配体结合亲和力是由其绝对结合自由能决定的,而绝对结合自由能主要由曲率指定,因此有必要将曲率信息纳入图形表示中以提高预测准确性。曲率的概念与流形的几何形状密切相关,并且已经做出了一些努力来推广图的曲率。 基于这种概括,科学家提出了两种不同的基于曲率的图神经网络,并且它们在基线数据集上表现良好。生...