入选ICML！人大团队将等变图神经网络用于靶蛋白结合位点预测，性能最高提升20%

文章预览

作者：梅菜 编辑：李宝珠，十九 中国人民大学高瓴人工智能学院的研究团队首次将 E(3) 等变图神经网络 (GNN) 应用于配体结合位点预测，提出名为 EquiPocket 的框架，有助于药物发现等各种下游任务。 生命系统中，几乎所有生物和药理过程都涉及受体（靶蛋白）和配体（小分子）之间的相互作用，这些相互作用发生在靶蛋白结构的特定区域， 称为「结合位点」——预测靶蛋白的结合位点在药物发现等各种下游任务中起着基础性的作用。 近年来，受深度学习突破的启发，卷积神经网络 (CNN) 已经成功应用于配体结合位点预测。基于 CNN 的方法通过将蛋白质的原子空间聚类到最近的体素 (voxel) 中，将蛋白质视为三维图像，然后将结合位点预测建模为 3D 网格上的目标检测问题或语义分割任务。这些方法具有一定的优越性，但仍存在挑战，例如， 在表示不 ………………………………