入选ICML!人大团队将等变图神经网络用于靶蛋白结合位点预测,性能最高提升20%
原文中文,约5200字,阅读约需13分钟。发表于: 。蛋白质与小分子配体的相互作用是药物作用机制的核心,AlphaFold3 通过其先进的深度学习算法,能够精确预测蛋白质与配体结合的三维结构,准确性远超现有的对接工具。评估模型采用的指标包括 DCC (预测的结合位点中心与真实的结合位点中心之间的距离)、DCA (预测的结合位点中心与任何配体网格之间的最短距离) 和失败率...
中国人民大学的研究团队在ICML 2024上发表了一篇题为'EquiPocket: an E(3)-Equivariant Geometric Graph Neural Network for Ligand Binding Site Prediction'的论文,提出了EquiPocket框架,应用E(3)等变图神经网络解决了基于CNN的方法在配体结合位点预测中的挑战。通过广泛实验证明了EquiPocket在药物发现等任务中的优越性。研究还介绍了AlphaFold3和DeepGlycanSite等其他蛋白质结构预测的深度学习模型,为科学家提供了新的工具。