题目:CAPLA: improved prediction of protein-ligand binding affinity by a deep learning approach based on a cross-attention mechanism
文献来源: 10.1093/bioinformatics/btad049 (Bioinformatics)
代码:https://github.com/lennylv/CAPLA
简介:准确、快速地预测蛋白质-配体结合的亲和力是目前在药物发现中遇到的一个巨大挑战。最近的进展表明,在应用基于深度学习的计算方法来精确量化绑定亲和力方面是一种有前途的替代方法。蛋白质结合口袋和配体之间的结构互补性对蛋白质和配体之间的结合强度有很大的影响,但现有的大多数深度学习方法通常通过这两个分离模块来提取口袋和配体的特征。在这项工作中,作者开发了一种基于交叉注意机制的新的深度学习方法CAPLA,通过学习蛋白质和配体的序列水平信息的特征来改进蛋白质-配体结合亲和力的预测。具体来说,CAPLA利用交叉注意机制来捕获蛋白质结合袋和配体的相互作用。作者在绑定亲和度预测的综合基准测试实验中评估了我们提出的CAPLA的性能,证明了CAPLA的性能优于最先进的基线方法。此外,作者通过分析交叉注意机制产生的注意分数,为CAPLA提供了可解释性,以揭示对结合亲和力贡献最大的关键功能氨基酸。因此,这些结果表明,CAPLA是一种有效的结合亲和力预测方法,并可能为进一步的应用提供帮助。
主要内容:
-------------------------------------------
欢迎点赞收藏转发!
下次见!