AIGC動態歡迎閱讀

原標題：入選ICML！人大團隊將等變圖神經網絡用于靶蛋白結合位點預測，性能最高提升20%
關鍵字：蛋白質,解讀,幾何,結構,原子
文章來源：HyperAI超神經
內容字數：0字

內容摘要：

作者：梅菜
編輯：李寶珠，十九
中國人民大學高瓴人工智能學院的研究團隊首次將 E(3) 等變圖神經網絡 (GNN) 應用于配體結合位點預測，提出名為 EquiPocket 的框架，有助于藥物發現等各種下游任務。生命系統中，幾乎所有生物和藥理過程都涉及受體（靶蛋白）和配體（小分子）之間的相互作用，這些相互作用發生在靶蛋白結構的特定區域，稱為「結合位點」——預測靶蛋白的結合位點在藥物發現等各種下游任務中起著基礎性的作用。
近年來，受深度學習突破的啟發，卷積神經網絡 (CNN) 已經成功應用于配體結合位點預測。基于 CNN 的方法通過將蛋白質的原子空間聚類到最近的體素 (voxel) 中，將蛋白質視為三維圖像，然后將結合位點預測建模為 3D 網格上的目標檢測問題或語義分割任務。這些方法具有一定的優越性，但仍存在挑戰，例如，在表示不規則蛋白質結構方面存在缺陷；對旋轉敏感；對蛋白質表面幾何特征描述不足；對蛋白質大小變化不敏感。
為此，來自中國人民大學高瓴人工智能學院的研究團隊，近期在 AI 領域頂級學術會議 ICML 2024 上，發表了題為「EquiPocket: an E(3)-Equiva

原文鏈接：入選ICML！人大團隊將等變圖神經網絡用于靶蛋白結合位點預測，性能最高提升20%

聯系作者

文章來源：HyperAI超神經
作者微信：HyperAI
作者簡介：解構技術先進性與普適性，報道更前沿的 AIforScience 案例