編輯丨王多魚
排版丨水成文
加速分子探針發(fā)現(xiàn)和先導(dǎo)化合物優(yōu)化,需要準(zhǔn)確且高效的結(jié)合親和力預(yù)測。
2026 年 6 月 12 日,中國科學(xué)院上海藥物研究所鄭明月、張素林、王明亮團(tuán)隊(duì)在Nature Chemical Biology期刊發(fā)表了題為:Atomic-level protein–ligand recognition with PBCNet2.0 for probe discovery 的研究論文。
該研究開發(fā)了一種用于預(yù)測蛋白質(zhì)-配體結(jié)合親和力的新一代 AI 算法——PBCNet2.0。
![]()
在這項(xiàng)研究中,研究團(tuán)隊(duì)提出了一種基于笛卡爾張量的孿生神經(jīng)網(wǎng)絡(luò)——PBCNet2.0,用于預(yù)測蛋白質(zhì)-配體相對(duì)結(jié)合親和力。PBCNet2.0 在 860 萬個(gè)蛋白質(zhì)-配體復(fù)合物對(duì)上進(jìn)行訓(xùn)練,實(shí)現(xiàn)了與計(jì)算密集型物理模擬相當(dāng)?shù)牧銟颖緶?zhǔn)確度,同時(shí)保持高效性。回顧性優(yōu)先排序?qū)嶒?yàn)表明,PBCNet2.0 將優(yōu)化效率提升了 7.18 倍,并將資源消耗降低了 41%。機(jī)制分析表明,該模型能夠捕捉分子間相互作用并編碼空間幾何約束,從而對(duì)氟正交多極相互作用等細(xì)微效應(yīng)保持敏感性。值得注意的是,盡管未接受突變數(shù)據(jù)訓(xùn)練,PBCNet2.0 展現(xiàn)出預(yù)測結(jié)合口袋殘基變異所引發(fā)的親和力變化的涌現(xiàn)能力,可支持耐藥性分析。
![]()
研究團(tuán)隊(duì)針對(duì) ENPP1 和 ALDH1B1 對(duì)這些能力進(jìn)行了前瞻性驗(yàn)證,準(zhǔn)確解析了由微小相互作用和構(gòu)象差異引起的親和力變化,并從六個(gè)選定殘基中識(shí)別出五個(gè)關(guān)鍵結(jié)合殘基,命中率達(dá)到 5/6。
論文鏈接:
https://www.nature.com/articles/s41589-026-02241-x
特別聲明:以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布,本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.