K8凯发(中国)天生赢家·一触即发

　　6月6日★◈◈，中国科学院上海药物研究所研究员郑明月课题组构建了一种通用蛋白质-配体相互作用评分方法EquiScorek8凯发★◈◈，在药物虚拟筛选场景和先导化合物优化场景中retiyishu★◈◈，EquiScore对训练未见的新靶标表现出了良好的泛化性能★◈◈，其可解释性分析为基于结构的药物设计提供了有价值的线索★◈◈。相关研究发表于《自然—机器智能》retiyishuretiyishu★◈◈。

　　精准的评估蛋白质-配体相互作用对药物发现至关重要★◈◈，而开发可靠的评估方法一直是学术界和工业界的长期挑战★◈◈。近年来★◈◈，以AlphaFold为代表的深度学习方法在蛋白质三维结构k8凯发★◈◈，蛋白质-配体复合物结构预测方面表现卓越★◈◈，但是在新靶标的药物虚拟筛选场景中★◈◈，高精度的活性预测评分方法仍然非常匮乏★◈◈。

　　研究团队利用等变图神经网络来整合蛋白质-配体相互作用相关的物理先验知识★◈◈，并且使用多种数据增强★◈◈、数据去冗余策略来避免模型过拟合潜在的数据分布偏差★◈◈，并将新构建的数据集和等变异质图网络来训练最终的评分模型EquiScore★◈◈。

　　进一步地★◈◈，研究人员选择了21种不同的评分方法作为基准★◈◈。经过充分的比较和严格的测试k8凯发★◈◈，EquiScore的综合排序能力超过了现有的方法★◈◈，且对新蛋白的富集能力超过了传统评分方法和深度学习方法癌症治疗★◈◈，★◈◈。同时★◈◈，研究团队还在外部的先导化合物优化数据集上比较了EquiScore与其它方法对结构类似物的活性排序能力★◈◈；使用不同的对接方法生成蛋白-配体复合物结合构象★◈◈，进一步评价EquiScore作为评分方法的鲁棒性k8凯发★◈◈。

　　版权声明★◈◈：凡本网注明“来源★◈◈：中国科学报retiyishu★◈◈、科学网k8凯发(中国)天生赢家·一触即发★◈◈！★◈◈、科学新闻杂志”的所有作品retiyishu★◈◈，网站转载★◈◈，请在正文上方注明来源和作者★◈◈，且不得对内容作实质性改动★◈◈；微信公众号k8凯发k8凯发★◈◈，★◈◈、头条号等新媒体平台★◈◈，转载请联系授权★◈◈。邮箱★◈◈：★◈◈。

　　FCS 文章精要★◈◈：南京大学俞扬教授团队——模型梯度★◈◈：统一策略和模型学习目标的基于模型的强化学习方法

　　FCS 文章精要★◈◈：北京邮电大学傅湘玲教授团队等——用CB-Transformer学习从非对齐多模态序列中学习模态融合表征用于多模态情感识别

　　FCS 文章精要★◈◈：北京航空航天大学王蕴红★◈◈、刘庆杰等——运动员视角下的基于群体关系学习的运动视频理解方法