Nat. Mach. Intell. | “数据+知识+AI” 解锁新靶标药物虚拟筛选

文章预览

精准的评估蛋白质 - 配体相互作用对药物发现至关重要。然而，开发可靠的评估方法一直是学术界和工业界的长期挑战。近年来，人工智能技术在该领域已经取得了显著进展，以 Alpha F old 为代表的深度学习方法在蛋白质三维结构，蛋白质 - 配体复合物结构预测方面表现卓越。但 是， 在新靶标的药物虚拟筛选场景中，高精度的活性预测评分方法仍然非常匮乏。许多研究表明，深度学习模型倾向学习数据中的分布偏差，对分布内的数据可以给出 很好的 性能指标。但在实际应用中，尤其面对训练集未见的新靶标和化学多样性空间，却无法展现出良好的泛化效果。 最近，中国科学院上海药物研究所郑明月团队提出了一种 通用 蛋白质 - 配体相互作用评分方法 EquiScore ，用于解决新靶标的药物虚拟筛选问题。该方法利用等变图神经网络来整合蛋白质 - 配体 ………………………………