「AI+物理先验知识」，浙大、中国科学院通用蛋白质-配体相互作用评分方法登Nature子刊

浙江大学和中国科学院的研究团队近期推出了一种创新的评分方法——EquiScore，它运用异构图神经网络，结合物理先验知识，以提升蛋白质-配体相互作用的预测精度。传统数据驱动方法易陷入记忆陷阱，而EquiScore通过新数据集PDBscreen进行训练，采用数据增强策略和冗余消除，克服了这一问题。在两个大型外部测试集中，EquiScore的表现优于21种其他方法，增强了对接方法的筛选效能。此外，它在活性排序任务中表现出色，有潜力指导先导化合物优化。EquiScore的可解释性研究也为基于结构的药物设计提供了新洞察。这项研究发表于2024年6月6日的《Nature Machine Intelligence》期刊上，为机器学习在蛋白质-配体互动预测领域的应用开辟了新途径。

本文来源： 机器之心【阅读原文】