学术速运|MetalProGNet：一种基于结构的金属蛋白-配体相互作用预测的深度图模型

​题目： MetalProGNet: a structure-based deep graph model for metalloprotein–ligand interaction predictions

文献来源: 10.1039/d2sc06576b (chemical science)

代码：https://github.com/zjujdj/MetalProGNet

简介：金属蛋白在从反应催化到清除自由基的各种生物过程中发挥着不可或缺的作用，它们也与许多病理有关，包括癌症、HIV感染、神经退行性变和炎症。金属蛋白的高亲和力配体的发现为治疗这些病理提供了动力。传统方法，如基于分子对接和机器学习(ML)模型，用于快速识别与异质蛋白结合的配体，但很少有专门关注金属蛋白。在本研究中，作者首先构建了包含3079个高质量结构的最大的金属蛋白-配体复杂数据集，并系统地评估了三种竞争性对接工具（即植物、AutoDock Vina和Glide SP）对金属蛋白的评分和对接能力。然后，开发了一个基于结构的深度图模型MetalProGNet来预测金属蛋白-配体的相互作用。在该模型中，金属离子与蛋白质原子之间的配位相互作用以及金属离子与配体原子之间的相互作用通过图形卷积被明确地建模。然后通过从非共价原子-原子相互作用网络中学习到的信息性分子结合向量来预测其结合特征。对内部金属蛋白测试集、对22种不同金属蛋白的独立ChEMBL数据集和虚拟筛选数据集的评价表明，MetalProGNet的表现优于各种基线。最后，采用非共价原子-原子相互作用掩蔽技术来解释MetalProGNet，学习到的知识符合我们对物理学的理解。

主要内容：

-------------------------------------------

欢迎点赞收藏转发！

下次见！