学习物理在基于结构的虚拟筛选中赋予姿态敏感性
摘要：构建在结构基础上的虚拟高通量筛选(vHTS)用于从特定结合位点的对接位姿中识别治疗蛋白靶点的活性配体或“hits”。然而，虽然一般能够成功完成这项任务，但许多深度学习方法被认为对蛋白质-配体相互作用不敏感，降低了活性物质的可靠检测性，并阻碍了在新的结合位点的发现。在这里，我们通过引入一类具有两个关键特征的模型来克服这个限制：1）我们将生物活性条件限制在位姿质量评分上，2）我们将真正结合物的不良位姿作为负面例子呈现给模型。这种条件强制模型学习物理相互作用的细节。我们在一个新的基准测试中评估了这些模型，该测试旨在检测位姿的敏感性。
作者：Pawel Gniewek and Bradley Worley and Kate Stafford and Henry van den Bedem and Brandon Anderson
论文ID：2110.15459
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-12-03