学术速运|蛋白质−配体结构与深度神经网络预测结合亲和的挑战

​题目：On the Frustration to Predict Binding Affinities from Protein−LigandStructures with Deep Neural Networks

文献来源:J. Med. Chem. 2022, 65, 7946−7958

代码：https://gitlab.com/cheminfIBB/pafnucy

简介：从蛋白质−配体原子坐标准确预测结合亲和力仍然是药物发现早期阶段的一个主要挑战。使用模块化信息传递图神经网络来描述配体和处于自由状态和结合状态的蛋白质，作者明确地证明，蛋白质−配体非共价相互作用的显式描述对于配体或蛋白质描述符并不提供任何优势。简单的模型，从训练集中最近的配体或蛋白质推断测试样本的结合亲和度，已经表现出良好的表现，这表明记忆在深度神经网络中很大程度上主导着真正的学习。目前的研究建议只考虑非共价相互作用，而省略它们的蛋白质和配体原子环境。消除所有隐藏的偏差可能需要更密集的蛋白质−配体训练矩阵和药物设计社区的协调努力，以解决必要的蛋白质−配体结构。

主要内容：

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

欢迎点赞收藏转发！

下次见！