Video Experimental Relacionado
Updated: Jan 31, 2026

Protein Purification-free Method of Binding Affinity Determination by Microscale Thermophoresis
Published on: August 15, 2013
PLMCA: Un marco general de atención cruzada multimodal proteína-ligando para la identificación de bolsas y la
Yi He1, Minghao Liu1, Haohao Wang1
1Key Laboratory for Molecular Enzymology and Engineering of Ministry of Education, School of Life Sciences, Jilin University, Qianjin Road 2699, Changchun 130012, China.
La predicción de la afinidad de unión fármaco-diana (DTA) es crucial para el descubrimiento de fármacos. PLMCA, un marco multimodal, integra diversos datos para una predicción precisa de DTA y la identificación de la bolsa de unión de proteínas.
Área de la Ciencia:
- Química computacional
- Bioinformática
- Descubrimiento de fármacos
Sus antecedentes:
- La predicción precisa de la afinidad de unión fármaco-diana (DTA) es esencial para el descubrimiento eficiente de fármacos.
- La integración de diversos tipos de datos (secuencia, estructura, propiedades fisicoquímicas) sigue siendo un desafío.
- Las condiciones experimentales del ensayo pueden introducir ruido y efectos de lote.
Objetivo del estudio:
- Desarrollar un marco multimodal, PLMCA, para la predicción precisa de DTA.
- Unificar varias representaciones de datos, incluidas incrustaciones de secuencias de proteínas, características geométricas 3D, descriptores fisicoquímicos y grafos moleculares de ligandos.
- Incorporar las condiciones experimentales del ensayo para mejorar la solidez de la predicción.
Principales métodos:
- PLMCA utiliza un mecanismo de atención cruzada multimodal proteína-ligando.
- Integra incrustaciones de secuencias de proteínas de dos modelos de lenguaje.
- Incorpora características geométricas 3D, descriptores fisicoquímicos, grafos moleculares de ligandos y condiciones experimentales del ensayo de ChEMBL.
Principales resultados:
- PLMCA logra un rendimiento competitivo o superior en comparación con los métodos de vanguardia en el conjunto de datos PDBbind21 para la predicción de Kd y Ki en varias divisiones.
- En el conjunto de datos ChEMBL_mini, PLMCA produce valores de R² de 0.531 (IC50), 0.635 (Kd) y 0.519 (Ki).
- PLMCA demuestra una sólida predicción de la bolsa de unión de proteínas, logrando un AUPR de hasta 0.655 en el entorno de proteínas no vistas.
Conclusiones:
- PLMCA integra eficazmente datos multimodales para mejorar la predicción de DTA.
- El marco muestra potencial tanto en la predicción de afinidad como en la identificación de la bolsa de unión.
- PLMCA ofrece un enfoque robusto para abordar los desafíos en el descubrimiento computacional de fármacos.
Más Videos Relacionados
Videos de Conceptos Relacionados
Ligand Binding Sites
Protein-ligand interactions are quite specific; even though numerous potential ligands surround a cellular protein at any given time, only a particular ligand can bind to that protein. Moreover, a ligand binds only to a dedicated area on the surface of the protein, known as the...
Ligand Binding Sites
Ligand Binding and Linkage
Ligand Binding and Linkage
The Equilibrium Binding Constant and Binding Strength
Conserved Binding Sites
Binding sites are often located in large pockets, and if their location on a protein’s surface is unknown, it can be predicted using various approaches. The energetic method computationally...

