Brief Bioinform｜李诗良/李洪林团队开发基于保留机制的小分子pKa值预测AI方法GR-pKa

文章预览

2024年8月22日，华东理工大学/华东师范大学的李诗良/李洪林教授团队在Briefings in Bioinformatics期刊上发表了题为 "GR-pK a : A message-passing neural network with retention mechanism for pKa prediction" 的研究论文。 该论文 介绍了一种创新的用于化学小分子pK a 值预测的深度学习模型GR-pK a 。该模型联合应用多重保真度学习 (Multi-fidelity learning) 、量子化学特征以及保留机制 (Retention mechanism) ，实现了对化学小分子pK a 值的快速准确预测，为化学和药学领域的研究提供了强大的新工具。 研究背景 在药物发现和设计过程中，分子的酸碱解离常数 (pK a ) 对ADMET特性（吸收、分布、代谢、排泄和毒性）及生物活性具有显著影响，因而受到高度重视。然而，传统的实验测定pK a 值方法既费力又复杂。同时，现有的预测方法在训练数据的数量和质量方面以及处理复杂分子结构和物理化 ………………………………