简读分享 | 王宇哲 编辑 | 王宇哲
论文题目
DeepBLI: A Transferable Multichannel Model for Detecting
β-Lactamase-Inhibitor Interaction
论文摘要
产生β-内酰胺酶的病原菌对耐药感染的治疗提出了很大的挑战。因此,迫切需要寻找新的β-内酰胺酶抑制剂用于药物开发。传统的高通量筛选成本很高,而基于结构的虚拟筛选受机制的限制。本文构建了一个用于β-内酰胺酶抑制剂筛选的新型多通道深度神经网络(DeepBLI),使用标签反转KIBA数据集进行预训练,并对BindingDB中的β-内酰胺酶抑制剂对进行微调。首先,对编码器在空间上和顺序上融合酶和抑制剂的信息。然后,一个共注意力模块在抑制剂和酶嵌入之间建立连接。最后,多通道输出与元素智能乘积融合,然后被馈送到3层完全连接的网络来预测相互作用。与最先进的方法相比,DeepBLI的AUROC为0.9240,AUPRC为0.9715,这表明它可以识别新的β-内酰胺酶-抑制剂相互作用。为了证明其预测能力,演示了DeepBLI的应用,以筛选金属-β-内酰胺酶靶-1的潜在抑制剂化合物,并将粗糠柴苦素用于四类β-内酰胺酶靶点,表明了成为广谱抑制剂的可能性。DeepBLI为抗菌药物的开发提供了一条有效途径,为耐药治疗的发展做出了贡献。
论文链接
https://pubs.acs.org/doi/10.1021/acs.jcim.2c01008