[Advanced Science 2022 | 论文简读] 具有构象灵活性的等变图匹配网络的预训练用于药物结合

简读分享 | 魏乐松 编辑 | 赵晏浠

论文题目

Pre-Training of Equivariant Graph Matching Networks with Conformation Flexibility for Drug Binding

论文摘要

最新的生物学发现表明，静止的“锁和钥匙”理论并不普遍适用，原子位点和结合姿势的变化可以为理解药物结合提供重要信息。然而，计算开销限制了蛋白质轨迹相关研究的发展，从而阻碍了监督学习的可能性。本文提出了一种基于改进的等变图匹配网络的时空预训练模型，称为 ProtMD，它包含两个自监督学习任务：原子级基于提示的去噪生成任务和构象级快照排序任务，以捕捉分子动力学(MD)轨迹中的信息。ProtMD 中的编码器能够捕获MD内的短期和长期依赖性，生成大于或等于一步的构象。该模型的性能超越以往基于蛋白质3D静态结构信息的AI模型，达到目前最优，证明了蛋白质动态空间信息在蛋白质-小分子亲和力预测问题上的重要性。

论文链接

https://doi.org/10.1002/advs.202203796