作者:刘霞 来源:科技日报 发布时间:2022/7/15 9:25:48
选择字号:
一步完成蛋白和配体配对
深度学习模型筛查新药快千倍

 

科技日报北京7月14日电 (记者刘霞)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。

沃尔特斯说,EquiBind为配对问题提供了一种独特的解决方案,它结合了姿态估计和结合位点识别。这种方法利用了数千种公开可用的晶体结构的信息,可能对药物开发领域产生新的影响。

 
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
 
 打印  发E-mail给: 
    
 
相关新闻 相关论文

图片新闻
冰表面长啥样?原子级分辨图像揭晓答案 北方中纬高频雷达网发布首批科学探测结果
“双星计划”:开启中国空间科学新纪元 河西走廊内陆河出山径流研究揭示新趋势
>>更多
 
一周新闻排行
 
编辑部推荐博文