AIGC動態(tài)歡迎閱讀

原標(biāo)題：「AI+物理先驗知識」，浙大、中國科學(xué)院通用蛋白質(zhì)-配體相互作用評分方法登Nature子刊
關(guān)鍵字：蛋白質(zhì),方法,數(shù)據(jù),評分,節(jié)點
文章來源：人工智能學(xué)家
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

將 ScienceAI設(shè)為星標(biāo)
第一時間掌握
新鮮的 AI for Science 資訊編輯 | X
蛋白質(zhì)就像是身體中的精密鎖具，而藥物分子則是鑰匙，只有完美契合的鑰匙才能解鎖治療之門。科學(xué)家們一直在尋找高效的方法來預(yù)測這些「鑰匙」和「鎖」之間的匹配度，即蛋白質(zhì)-配體相互作用。
然而，傳統(tǒng)的數(shù)據(jù)驅(qū)動方法往往容易陷入「死記硬背」，記住配體和蛋白質(zhì)訓(xùn)練數(shù)據(jù)，而不是真正學(xué)習(xí)它們之間的相互作用。
近日，浙江大學(xué)和中國科學(xué)院研究團隊，提出了一種名為 EquiScore 的新型評分方法，利用異構(gòu)圖神經(jīng)網(wǎng)絡(luò)整合物理先驗知識，并在等變幾何空間中表征蛋白質(zhì)-配體相互作用。
EquiScore 基于一個新數(shù)據(jù)集進行訓(xùn)練，該數(shù)據(jù)用多種數(shù)據(jù)增強策略和嚴(yán)格的冗余消除方案構(gòu)建。
在兩個大型外部測試集上，與其他 21 種方法相比，EquiScore 始終名列前茅。當(dāng) EquiScore 與不同的對接方法一起使用時，它可以有效增強這些對接方法的篩選能力。EquiScore 在一系列結(jié)構(gòu)類似物的活性排序任務(wù)中也表現(xiàn)出色，表明其具有指導(dǎo)先導(dǎo)化合物優(yōu)化的潛力。
最后，研究了 EquiScore 的不同可解釋性水平，這

原文鏈接：「AI+物理先驗知識」，浙大、中國科學(xué)院通用蛋白質(zhì)-配體相互作用評分方法登Nature子刊

聯(lián)系作者

文章來源：人工智能學(xué)家
作者微信：AItists
作者簡介：致力成為權(quán)威的人工智能科技媒體和前沿科技研究機構(gòu)