Nat. Mach. Intell. | 拓扑实现的蛋白-配体相互作用预测transformer

文章预览

大家好，今天给大家分享一篇nature machine intelligence上的文章Multiscale topology-enabled structure-to-sequence transformer for protein–ligand interaction predictions，本文通讯作者是来自密歇根州立大学的Guo-Wei Wei教授与来自重庆理工大学的刘健教授。Guo-Wei Wei教授的研究方向为生命科学的数学基础等。 传统的计算辅助药物设计，如分子对接等通常准确性较低，在大尺度筛选上耗费计算量大，可能会遗漏掉非常规的位点。深度学习有潜力用于药物设计，但需要大量的标记数据。例如ChatGPT的自监督学习模型则可以一定程度解决药物发现中标记数据少的问题。但这些自然语言处理的模型无法利用结构化学的信息。作者开发了TopoFormer这个模型，可以将3D的蛋白-配体复合物转化为一维的拓扑序列，进而传递给transformer进行学习与预测。 TopoFormer先提取配体周围一定距离内的蛋白质 ………………………………