腾讯团队提出Interformer模型，通过相互作用感知进行蛋白质-配体对接亲和力预测

文章预览

近年来，深度学习模型在蛋白质-配体对接和亲和力预测中的应用引起了越来越多的关注，这种应用对于 基于结构的药物设计至关重要 。然而，许多这些模型忽略了复合物中配体和蛋白质原子之间相互作用的复杂建模，从而限制了它们的泛化和可解释性的能力。 2024年11月25日，腾讯人工智能实验室王龙跃团队在Nature Communications上发表文章Interformer: an interaction-aware model for protein-ligand docking and affinity prediction。 作者提出了Interformer，一个建立在图Transformer架构之上的模型，利用相互作用感知混合密度网络捕获蛋白质-配体相互作用。 此外，作者引入了蒙特卡罗采样策略，促进了相互作用分布的有效校正，以进行亲和力预测。 实验表明，Interformer的性能超越了现有方法。 如图1所示， Interformer是一种基于晶体结构数据训练的深度学习模型，用于蛋白质-配体 ………………………………