来源:生物世界 2023-10-24 09:10 中国科学院上海药物研究所 中国科学院上海药物研究所郑明月课题组在 Nature 子刊 Nature Computational Science 上发表了题为:Computing Relative Binding Affinity of Ligands Based on a Pairwise Binding Comparison Network 的研究论文。
该研究提出了一种先导化合物优化的人工智能方法——PBCNet(Pairwise Binding Comparison Network)。该方法采用孪生图卷积神经网络架构,通过比较一组相似配体的结合模式差异来预测二者之间的相对结合亲和力,可以较好的兼顾计算速度和精度。此外,研究团队还开发了易于操作的图形界面网络计算服务(https://pbcnet./index)。
近年来,人工智能技术已逐渐成为药物研发领域中重要的技术手段之一。基于已知的结构和活性数据,如何引入合理的关系归纳偏置使得AI模型可以更有效的提取其中蕴含的物理化学知识和分子相互作用规律,是开发先导化合物优化方法的关键。在PBCNet中,模型采用了一种孪生网络架构(图1),可以较好的消除不同来源或实验测定条件下结合亲和力数据中存在的系统误差;考虑到分子间非键相互作用往往服从严格的几何先验,模型将原子之间的距离和化学键之间的角度信息编码作为注意力偏置项,有助于分子间相互作用信息的交互;此外,相对于二维拓扑图,模型同时引入距离和角度信息得到三维分子图,可以更全面的描述了蛋白-配体之间的分子结合信息。
|
|
来自: 子孙满堂康复师 > 《药学科 医药研究》