目录
Relative Position Edge Features
Relative Orientation Edge Features
4-geometry_regularization.pt(配体文件)
5-geometry_regularization_ring.pt
E3-Equivariance Multi-head attention
前言
本篇主要根据原始论文以及代码进行简单介绍,如有不对之处,还请留言指出。
附论文地址:[2202.05146v4] EquiBind: Geometric Deep Learning for Drug Binding Structure Prediction (arxiv.org)
上图展示了EquiBind的模型架构。简单来说,该方法利用E(3)等边网络生成配体和受体上的结合关键点,然后在三维空间中对这些点进行匹配来确定结合模式。同时,该网络还能够对配体的三维结构进行变换实现小分子柔性对接。
Equibind数据处理
Local Coordinate System
是原子指向原子的向量;是原子指向原子的向量;
是垂直于和的向量;是垂直于和的向量
那么、和两两垂直,构成了一个局部坐标系
Relative Position Edge Features
边特征,代表相对于的相对位置
$$ p_{j \to i} = \begin{bmatrix} n_i^\intercal \\ u_i^\intercal \\ v_i^\intercal \end{bmatrix} \begin{bmatrix} x_j - x_i\end{bmatrix} $$
Relative Orientation Edge Features
边缘特征、和