AIGC动态欢迎阅读
原标题：「AI+物理先验知识」，浙大、中国科学院通用蛋白质-配体相互作用评分方法
登Nature子刊
关键字：蛋白质,方法,数据,评分,节点文章来源：人工智能学家
内容字数：0字内容摘要：
将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯编辑 | X
蛋白质就像是身体中的精密锁具，而药物分子则是钥匙，只有完美契合的钥匙才能解锁治疗之门。科学家们一直在寻找高效的方法来预测这些「钥匙」和「锁」之间的匹配度，即蛋白质-配体相互作用。
然而，传统的数据驱动方法往往容易陷入「死记硬背」，记住配体和蛋白质训练数据，而不是真正学习它们之间的相互作用。
近日，浙江大学和中国科学院研究团队，提出了一种名为 EquiScore 的新型评分方法，利用异构图神经网络整合物理先验知识，并在等变几何空间中表征蛋白质-配体相互作用。
EquiScore 基于一个新数据集进行训练，该数据集采用多种数据增强策略和严格的冗余消除方案构建。
在两个大型外部测试集上，与其他 21 种方法相比，EquiScore 始终名列前茅。当 EquiScore 与不同的对接方法一起使用时，它可以有效增强这些对接方法的筛选能力。EquiScore 在一系列结构类似物的活性排序任务中也表现出色，表明其具有指导先导化合物优化的潜力。
最后，研究了 EquiScore 的不同可解释性水平，这原文链接：「AI+物理先验知识」，浙大、中国科学院通用蛋白质-配体相互作用评分方法登Nature子刊
联系作者
文章来源：人工智能学家
作者微信：AItists
作者简介：致力成为权威的人工智能科技媒体和前沿科技研究机构
