SOTA性能，厦大多模态蛋白质-配体亲和力预测AI方法，首次结合分子表面信息

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | KX 在药物研发领域，准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。 然而， 目前的研究 没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。 基于此，来自厦门大学的研究人员提出了 一种新颖的多模态特征提取（MFE）框架，该框架首次结合了蛋白质表面、3D 结构和序列的信息，并使用交叉注意机制进行不同模态之间的特征对齐。 实验结果表明，该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外，消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。 相关研究以「 Surface-based multimodal protein–ligand binding affinity prediction 」为题，于 6 月 21 日发布在《 Bioinformatics 》上。 论文链接： https://academic.oup.com/b ………………………………