关注点:基于结构的虚拟选的特定目标,偏差感知评分函数:METTL3的案例研究
Muhammad Junaid1,2, Muhammad Zeeshan3, Wenjin Li1
1Institute for Advanced Study, Shenzhen University, Shenzhen 518060, China.
Journal of chemical information and modeling
|December 23, 2025
概括
一个新的深度学习工具AttentionScore通过整合配体和蛋白质数据来增强基于结构的METTL3虚拟选. 这种针对特定目标的方法优于通用方法,为药物发现提供了强大的框架.
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.
- 机器学习在药物发现中的作用
背景情况:
- 虚拟选中的通用评分功能可能会有偏见,容易出现错误.
- 需要针对特定目标的评分功能来提高基于结构的虚拟选的准确性和可靠性.
- METTL3是各种疾病的关键标,使其抑制剂成为药物发现的焦点.
研究的目的:
- 为METTL3.3引入基于深度学习的评分功能AttentionScore.
- 为了改善查,整合仅合体和蛋白质-合体相互作用信息.
- 为虚拟选方法提供一个有偏见的评估框架.
主要方法:
- 开发了一个端到端的深度学习架构 (AttentionScore),使用多头注意力编码器和联合潜伏表示.
- 综合蛋白质 - 配体相互作用 (PLEC) 指纹与配体化学型指纹 (Avalon/ECFP4).
- 构建了一个相似性受约束 (SC) 分割和一个推断测试集 (Set 2) 进行严格的,有偏见的评估.
主要成果:
- 在SC测试组 (组1) 中,AttentionScore在PR-AUC = 0.9609.9的SC测试组 (组1) 中取得了高性能.
- 该模型在更严格的Set 2上表现出强的表现,超过了通用评分功能和机器学习基线.
- 统计分析证实了观察到的业绩增长的稳定性和可靠性.
结论:
- 注意Score在针对METTL3.3的特定目标的虚拟选方面取得了重大进展.
- 开发的偏见感知评估框架最大限度地减少了模拟泄漏,并确保了可靠的性能评估.
- 公开可用的数据,代码和用户友好的界面促进了研究人员的透明度和可访问性.
