百度蛋白配体全原子扩散模型效果直逼 AlphaFold3，代码数据全面开源

文章预览

蛋白质-小分子构象预测是小分子药物发现中的一项重要任务，用于预测小分子（配体）与目标靶蛋白（受体）之间的结合作用。尽管传统的基于物理的对接工具被广泛使用，但构象采样的有限和评分函数的不精确，都影响了这些工具的准确性。近年来，也有学者尝试将深度学习技术引入其中，以提高蛋白质-小分子构象预测的准确性。然而，训练数据的匮乏使这些模型在泛化能力上存在较大挑战。因此，解决蛋白质-小分子构象数据匮乏问题，并研发高精度和强泛化能力的模型变得尤为迫切。 近日，百度飞桨螺旋桨 PaddleHelix 团队研发并开源了基于大规模预训练方法的 HelixDock 全原子扩散模型，能够准确预测蛋白质和小分子的结合构象。该工作由百度牵头，联合国家超算某中心、清华大学药学院、北京拓领博泰公司共同完成，通过生成大规模的仿真数 ………………………………