蛋白质相互作用结合亲和力的预测对于生物医学领域具有很多应用价值。可以通过预测蛋白质相互作用结合亲和力来设计和筛选药物靶点,开发新的蛋白质相互作用抑制剂或者激活剂;还可以通过预测蛋白质相互作用结合亲和力来分析蛋白质-蛋白质相互作用网络,揭示生物学过程的调控机制。 5.结语 蛋白质相互作用结合亲和力的预测是生物学研...
尤其是,GC-GNN 在解释方法中显示出对提高亲和力预测的蛋白质-配体交互 Edges 的系统贡献最为显著。 图1:蛋白质-配体相互作用图的亲和力预测合理化示意图 该图展示了分析的各个阶段,包括根据 X 射线结构生成相互作用图,利用图神经网络(GNN)训练和测试预测数值亲和力,识别预测中关键 Edges 的重要性,并划分对预测结果...
1.本发明属于计算机技术领域,尤其是一种蛋白质-蛋白质结合亲和力预测方法、计算机和存储介质。背景技术:2.蛋白质-蛋白质相互作用是指两个或两个以上的蛋白质分子通过非共价键形成蛋白质复合体的过程,其构成了细胞生化反应网络的主要组成部分。3.蛋白质-蛋白质复合物结构是蛋白质-蛋白质相互作用的产物和形式。从结构...
但是,过高的噪声(>1σ)将会削弱模型的预测和利用能力。 亲和力数据集 该研究使用了四个不同蛋白质的公开数据集:酪氨酸激酶 2(TYK2)、多巴胺受体 D2(D2R)、泛素特异性蛋白酶 7(USP7)和 SARS-CoV-2 主蛋白酶(Mpro)。每个数据集包含多种配体及其相应的亲和力数据。这些数据集可在 GitHub 上获取。 每个数据集...
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...
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...
研究者全面评估了各参数对 AL 协议的影响,并基于多种指标进行分析,包括顶级结合剂识别、底层机器学习模型预测质量及化学空间中识别群集的定性分析。研究者通过在不同亲和力数据数据集上模拟 AL 运行,评估 AL 策略不同方面,并捕捉数据集大小与组成相关趋势。
导读 在药物发现的早期阶段,准确预测蛋白质与配体的结合亲和力极为关键。尽管目前已有基于深度学习的方法,但它们由于缺乏通用性,还未能超越如对接等更传统的方法。为了提升这些方法的...
图1:四种蛋白靶点的亲和力得分分布和 UMAP 投影 A:核密度估计图展示了 TYK2 和 D2R 的 pKi 值,以及 USP7 和 Mpro 的 pIC50 值,反映了不同靶标数据集的亲和力得分分布。 B: TYK2 数据集的 UMAP 投影,突出显示了聚类中心的化合物。 C: D2R 数据集的 UMAP 可视化展示。
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...