入选ICML!人大团队将等变图神经网络用于靶蛋白结合位点预测,性能最高提升20%

入选ICML!人大团队将等变图神经网络用于靶蛋白结合位点预测,性能最高提升20%

AIGC动态欢迎阅读

原标题:入选ICML!人大团队将等变图神经网络用于靶蛋白结合位点预测,性能最高提升20%
关键字:蛋白质,解读,几何,结构,原子
文章来源:HyperAI超神经
内容字数:0字

内容摘要:


作者:梅菜
编辑:李宝珠,十九
中国人民大学高瓴人工智能学院的研究团队首次将 E(3) 等变图神经网络 (GNN) 应用于配体结合位点预测,提出名为 EquiPocket 的框架,有助于药物发现等各种下游任务。生命系统中,几乎所有生物和药理过程都涉及受体(靶蛋白)和配体(小分子)之间的相互作用,这些相互作用发生在靶蛋白结构的特定区域,称为「结合位点」——预测靶蛋白的结合位点在药物发现等各种下游任务中起着基础性的作用。
近年来,受深度学习突破的启发,卷积神经网络 (CNN) 已经成功应用于配体结合位点预测。基于 CNN 的方法通过将蛋白质的原子空间聚类到最近的体素 (voxel) 中,将蛋白质视为三维图像,然后将结合位点预测建模为 3D 网格上的目标检测问题或语义分割任务。这些方法具有一定的优越性,但仍存在挑战,例如,在表示不规则蛋白质结构方面存在缺陷;对旋转敏感;对蛋白质表面几何特征描述不足;对蛋白质大小变化不敏感。
为此,来自中国人民大学高瓴人工智能学院的研究团队,近期在 AI 领域顶级学术会议 ICML 2024 上,发表了题为「EquiPocket: an E(3)-Equiva


原文链接:入选ICML!人大团队将等变图神经网络用于靶蛋白结合位点预测,性能最高提升20%

联系作者

文章来源:HyperAI超神经
作者微信:HyperAI
作者简介:解构技术先进性与普适性,报道更前沿的 AIforScience 案例

阅读原文
© 版权声明

相关文章

暂无评论

暂无评论...