深度学习模型筛查新药快千倍

在药物开发之前，研究人员必须找到潜在的药物样分子，这些分子可以正确地与一些蛋白质靶点结合或对接——这一过程称为药物发现类药物分子与蛋白质成功对接后，可以阻止蛋白质发挥作用如果蛋白质是细菌的必需蛋白质，配体可以杀死细菌，保护人体

目前，寻找潜在药物候选物的计算过程大致如下:最先进的计算模型大多依靠重候选物取样，评分，排序和微调的方法，从而实现配体与蛋白质的最佳匹配。

这项研究引起了专业人士的兴趣接力医疗公司首席数据官帕特·沃尔特斯建议他的团队在现有的肺癌，白血病和胃肠肿瘤药物和蛋白质上尝试这一最新模型结果，EquiBind成功了——而大多数传统配对方法都无法成功匹配蛋白质和配体

Walters表示，EquiBind为配对问题提供了独特的解决方案，它结合了姿势估计和结合位点识别这种方法利用了成千上万公开的晶体结构信息，这可能会对药物开发领域产生新的影响

声明：本网转发此文章，旨在为读者提供更多信息资讯，所涉内容不构成投资、消费建议。文章事实如有疑问，请与有关方核实，文章观点非本网观点，仅供读者参考。