AIGC動態(tài)歡迎閱讀

原標(biāo)題：入選ICML！人大團(tuán)隊將等變圖神經(jīng)網(wǎng)絡(luò)用于靶蛋白結(jié)合位點(diǎn)預(yù)測，性能最高提升20%
關(guān)鍵字：蛋白質(zhì),解讀,幾何,結(jié)構(gòu),原子
文章來源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

作者：梅菜
編輯：李寶珠，十九
中國人民大學(xué)高瓴人工智能學(xué)院的研究團(tuán)隊首次將 E(3) 等變圖神經(jīng)網(wǎng)絡(luò) (GNN) 應(yīng)用于配體結(jié)合位點(diǎn)預(yù)測，提出名為 EquiPocket 的框架，有助于藥物發(fā)現(xiàn)等各種下游任務(wù)。生命系統(tǒng)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(fā)生在靶蛋白結(jié)構(gòu)的特定區(qū)域，稱為「結(jié)合位點(diǎn)」——預(yù)測靶蛋白的結(jié)合位點(diǎn)在藥物發(fā)現(xiàn)等各種下游任務(wù)中起著基礎(chǔ)性的作用。
近年來，受深度學(xué)習(xí)突破的啟發(fā)，卷積神經(jīng)網(wǎng)絡(luò) (CNN) 已經(jīng)成功應(yīng)用于配體結(jié)合位點(diǎn)預(yù)測。基于 CNN 的方法通過將蛋白質(zhì)的原子空間聚類到最近的體素 (voxel) 中，將蛋白質(zhì)視為三維圖像，然后將結(jié)合位點(diǎn)預(yù)測建模為 3D 網(wǎng)格上的目標(biāo)檢測問題或語義分割任務(wù)。這些方法具有一定的優(yōu)越性，但仍存在挑戰(zhàn)，例如，在表示不規(guī)則蛋白質(zhì)結(jié)構(gòu)方面存在缺陷；對旋轉(zhuǎn)敏感；對蛋白質(zhì)表面幾何特征描述不足；對蛋白質(zhì)大小變化不敏感。
為此，來自中國人民大學(xué)高瓴人工智能學(xué)院的研究團(tuán)隊，近期在 AI 領(lǐng)域頂級學(xué)術(shù)會議 ICML 2024 上，發(fā)表了題為「EquiPocket: an E(3)-Equiva

原文鏈接：入選ICML！人大團(tuán)隊將等變圖神經(jīng)網(wǎng)絡(luò)用于靶蛋白結(jié)合位點(diǎn)預(yù)測，性能最高提升20%

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：HyperAI
作者簡介：解構(gòu)技術(shù)先進(jìn)性與普適性，報道更前沿的 AIforScience 案例