一步完成蛋白和配体配对 深度学习模型筛查新药快千倍
据美国麻省理工学院（MIT）官网12日报道，该校科学家开发出一款名为EquiBind的几何深度学习模型，其将类药物分子与蛋白配对的效率比现有最快的计算分子配对模型QuickVina2-W快1200倍。相关研究已经提交预印本服务器，并将提交给国际机器学习大会。
在药物开发之前，研究人员必须找到有潜力的类药物分子，这些分子可以与某些蛋白质靶点正确结合或“对接”——这一过程被称为药物发现。类药物分子（配体）成功与蛋白质对接后，可以阻止蛋白质发挥功能。如果蛋白质是细菌的一种必需蛋白质，配体就可以杀死细菌，从而保护人体。
目前寻找潜在药物候选分子的计算过程大致如下：大多数最先进的计算模型依赖繁重的候选采样，以及评分、排序和微调等方法，从而让配体和蛋白质之间实现最佳“匹配”。
最新研究主要作者、MIT电气工程和计算机科学系研究生汉尼斯·斯塔克表示，上述传统的配体—蛋白质结合方法就像“尝试将钥匙插入有许多锁孔的锁中”。这种方法需要花费大量时间对每个“锁孔”进行尝试，才能找到最佳匹配。相反，EquiBind仅需一个步骤就可以直接精准预测配体与蛋白质配对的精确位置，这是因为其拥有内置的几何推理能力，可以帮助模型了解并学习分子的基本情况，在遇到新的数据时能够进行概括，以做出更好的预测。
该研究引起了专业人士的兴趣。接力医疗公司首席数据官帕特·沃尔特斯建议其团队在现有的一种用于肺癌、白血病和胃肠道肿瘤的药物和蛋白质上尝试这一最新模型，结果EquiBind取得了成功——而大多数传统的配对方法无法让蛋白和配体成功配对。获 取 更多前沿科技 研究 进展访问：https://byteclicks.com
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/39548.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。
赞
查看全文
作者最近更新
-
德国联邦政府拟制定新版太空战略字节点击
2022-10-26 -
德联邦教研部资助5000 万欧元用于研究创新抗生素字节点击2022-10-25
-
德国科学组织联盟发布“能源危机对科研的影响”的立场声明字节点击2022-10-25
评论0条评论