Nat. Mach. Intell. | 从序列数据中学习蛋白质-配体相互作用指纹的物理化学图神经网络

文章预览

DRUG AI 今天为大家介绍的是来自Geoffrey I. Webb团队的一篇论文。在药物发现中，确定小分子配体对蛋白质的结合亲和力和功能效果至关重要。当前的计算方法在缺乏高分辨率蛋白质结构的情况下，往往会失去准确性，并且在预测功能效果方面表现不佳。在此，作者介绍了PSICHIC（PhySIcoCHemICal graph neural network, 物理化学图神经网络），这是一个结合物理化学约束的框架，能够直接从序列数据中解码相互作用指纹。这使得PSICHIC能够解码蛋白质-配体相互作用机制，实现最先进的准确性和可解释性。在没有结构数据的情况下，PSICHIC在相同的蛋白质-配体对上进行训练，其结合亲和力预测的准确性匹配甚至超过了领先的基于结构的方法。在对腺苷A1受体激动剂的实验库筛选中，PSICHIC有效地辨别了功能效果，并将唯一的新型激动剂排名在前三名内。PSICHIC的可解释 ………………………………