DiffLinker-使用等变3D条件扩散模型设计进行Linkers分子的设计背景 基于结构的药物设计(Structure-Based Drug Design, SBDD)是一种利用蛋白质的三维结构信息来设计和优化药物分子的方法。通过了解靶标蛋白质的结…
作者假设每个点云(point cloud) x都有一个对应的上下文(context)u(由所有输入片段和(可选的)蛋白质口袋原子组成的点云) 。 图5:DiffLinker模型的架构 为了预测一组片段(Fragment)之间缺失的 Linker 的大小,作者将片段表示为一个完全连接的图,其中节点特征为独热编码(one-hot encoded atom types)的原子类型,边...
DiffLinker 是一种条件扩散模型，可以为一组表示为 3D 原子点云的输入片段生成分子 linker。首先，模型生成预期 linker 的大小，然后从正态分布中采样初始 linker 原子类型和位置。接下来，使用以输入片段为条件的神经网络迭代更新连接原子类型和坐标。最终，去噪后的连接原子和输入片段原子形成一个 linker 的分子。图 ...
最先进的生成方法:条件扩散模型 DiffLinker 在此,研究人员解决了放置在三维 (3D) 环境中的片段连接起来的问题,并可以将设计过程调节到靶标蛋白口袋。 DiffLinker 是一种条件扩散模型,可以为一组表示为 3D 原子点云的输入片段生成分子 linker。 首先,模型生成预期 linker 的大小,然后从正态分布中采样初始 linker 原...
从计算模型到临床有效药物的转移是复杂的,因为生物系统可能会带来超出计算机预测的不可预见的挑战。 DiffLinker价值的真正衡量标准是其产生分子的能力,这些分子不仅与目标蛋白结合,而且在体内表现出良好的行为。这就需要合成分子并对其进行生物测定以评估其治疗效果。这种实证测试对于确保DiffLinker的理论优势转化为实际的...
最先进的生成方法:条件扩散模型 DiffLinker 在此,研究人员解决了放置在三维 (3D) 环境中的片段连接起来的问题,并可以将设计过程调节到靶标蛋白口袋。 DiffLinker 是一种条件扩散模型,可以为一组表示为 3D 原子点云的输入片段生成分子 linker。 首先,模型生成预期 linker 的大小,然后从正态分布中采样初始 linker 原...
简介:【5月更文挑战第5天】微软研究院在Nature子刊发表新成果,提出药物分子设计模型DiffLinker。该深度学习模型利用扩散过程生成具有特定化学性质的分子结构,优化药物效能。DiffLinker能加速设计过程,提高效率,但需大量数据训练,且生成结果可能受数据偏差影响。[[1](https://www.nature.com/articles/s42256-024-00815-...