多尺度深度生成模型NeuralPLexer：預(yù)測(cè)蛋白質(zhì)-配體復(fù)合物結(jié)構(gòu)

　　2月22日 消息:科學(xué)家們近日在《Nature Machine Intelligence》雜志上發(fā)布了一項(xiàng)關(guān)于蛋白質(zhì)-配體復(fù)合物結(jié)構(gòu)預(yù)測(cè)的研究，由 AI 制藥公司 Iambic Therapeutics、英偉達(dá)(Nvidia Corporation)和加州理工學(xué)院聯(lián)合開(kāi)發(fā)的新方法被稱(chēng)為 NeuralPLexer。

　　該方法通過(guò)深度生成模型，僅使用蛋白質(zhì)序列和配體分子圖輸入，能夠直接預(yù)測(cè)蛋白質(zhì)-配體復(fù)合物的結(jié)構(gòu)。NeuralPLexer采用多尺度深度生成模型，以原子分辨率對(duì)結(jié)合復(fù)合物的三維結(jié)構(gòu)及其構(gòu)象變化進(jìn)行采樣。

　　在評(píng)估中，NeuralPLexer表現(xiàn)出明顯的性能優(yōu)勢(shì)。與現(xiàn)有方法相比，它在選擇性預(yù)測(cè)受誘導(dǎo)擬合結(jié)合或構(gòu)象選擇影響的蛋白質(zhì)結(jié)構(gòu)方面表現(xiàn)出系統(tǒng)優(yōu)勢(shì)。在兩個(gè)具有大結(jié)構(gòu)可塑性的配體結(jié)合蛋白基準(zhǔn)數(shù)據(jù)集上，NeuralPLexer的準(zhǔn)確性提高了11-13%。

　　這一新方法有望在蛋白質(zhì)組規(guī)模上加速功能蛋白和小分子設(shè)計(jì)，為結(jié)構(gòu)生物學(xué)、藥物發(fā)現(xiàn)和蛋白質(zhì)工程領(lǐng)域帶來(lái)重大進(jìn)步。該研究為探索這一領(lǐng)域提供了通用的計(jì)算框架，為快速準(zhǔn)確的蛋白質(zhì)-配體復(fù)合物結(jié)構(gòu)預(yù)測(cè)鋪平了道路。

　　通過(guò)該研究，科學(xué)家們對(duì)蛋白質(zhì)-配體復(fù)合物的結(jié)構(gòu)預(yù)測(cè)邁出了重要的一步，為未來(lái)的醫(yī)藥研究和生物工程提供了新的可能性。