通过基于结构的深度学习来解决对接姿势选择:最近的进展,挑战和机会
Serena Vittorio1, Filippo Lunghini2, Pietro Morerio3
1Dipartimento di Scienze Farmaceutiche, Università degli Studi di Milano, Via Luigi Mangiagalli 25, I-20133 Milano, Italy.
Computational and structural biotechnology journal
|June 3, 2024
概括
深度学习 (DL) 方法在改善药物发现的分子对接精度方面表现有前途. 与传统的评分函数相比,这些先进的算法可以更好地识别正确的结合姿势.
科学领域:
- 计算化学是一种计算化学.
- 结构生物学是结构生物学.
- 药物发现 药物发现
背景情况:
- 分子对接对于预测药物发现中的联体-标相互作用至关重要.
- 当前的评分函数往往难以准确识别本地绑定姿势.
- 正确的姿势选择对于成功的药物优化至关重要.
研究的目的:
- 审查深度学习 (DL) 对分子对接姿势选择的最新进展.
- 为了比较DL方法与经典评分函数的性能.
- 推出两种基于DL的新姿势选择器.
主要方法:
- 基于DL的姿势选择方法的文献综述.
- 经典评分函数和DL方法的比较分析.
- 开发和介绍了两种新的基于DL的姿势选择器.
主要成果:
- 深度学习算法显示了提高姿势选择准确性的潜力.
- 在分子对接中,DL方法为传统的评分函数提供了一个有希望的替代方案.
- 提出的基于DL的新型姿势选择器显示了竞争性表现.
结论:
- 深度学习正在通过改进结合姿势预测来推进分子对接.
- 基于DL的姿势选择对于有效的药物发现和优化至关重要.
- 对DL应用的进一步研究可以克服当前对接精度的限制.


