实现蛋白质动态对接预测！上海交大/星药科技/中山大学等联合推出几何深度生成模型DynamicBind
内容提要
蛋白质是生命的基础，其动态结构对药物研发非常重要。AlphaFold 可以预测蛋白质的静态结构，但无法预测动态变化。上海交大郑双佳团队开发了 DynamicBind 模型，结合深度学习和几何神经网络技术，能够动态调整蛋白质构象，提高药物筛选的准确性。该模型在国际药物筛选大赛中表现出色，能识别隐藏结合位点，为药物研发提供了新方法。研究成果发表在《Nature Communications》上。
关键要点
-
蛋白质是生命的基础，其动态结构对药物研发至关重要。
-
AlphaFold 能够预测蛋白质的静态结构，但无法预测动态变化。
-
上海交大郑双佳团队开发了 DynamicBind 模型，结合深度学习和几何神经网络技术，能够动态调整蛋白质构象。
-
DynamicBind 在国际药物筛选大赛中表现出色，能够识别隐藏结合位点，为药物研发提供新方法。
-
研究成果发表在《Nature Communications》上，标题为《DynamicBind: predicting ligand-specific protein-ligand complex structure with a deep equivariant generative model》。
-
DynamicBind 将蛋白质构象生成和配体姿势预测统一到一个框架中，实现动态对接预测。
-
DynamicBind 在蛋白质配体对接上优于传统对接方法和基于深度学习的刚性对接方法。
-
DynamicBind 利用 AlphaFold 预测的蛋白质构象，动态调整蛋白质构象，找到最适合配体的最优构象。
-
研究使用 PDBbind 数据集和 MDT 测试集进行模型训练和评估，涵盖了多种药物靶点。
-
DynamicBind 能够捕获配体特异性的蛋白质构象变化，识别隐蔽结合位点。
-
DynamicBind 在抗生素基准测试中实现了更好的药物筛选性能，超越了传统对接方法。
-
郑双佳课题组在生成式人工智能与药物开发交叉研究方面取得了多项重要成果。
