今天给大家介绍一篇来自南洋理工大学Kelin Xia等人发表在Briefings in Bioinformatics 2021的一篇文章“Hypergraph-based persistent cohomology (HPC) for molecular representations in drug design”。作者提出了基于超图的分子拓扑表示、基于超图的(加权)持续上同调(HPC/HWPC)和基于HPC/HWPC的分子指纹用于药物设计中的机器学习模型，开发了第一个基于超图的拓扑框架用以在原子水平上表征详细的分子结构和相互作用。本文利用构建的HPC/HWPC模型生成用于蛋白质-配体结合亲和力预测中学习模型的分子描述符，作者还结合了增强树(GBT)模型，将HPC/HWPC-GBT模型在三个最常用的数据库(PDBbind-v2007、PDBbind-v2013和PDBbind-v2016)上进行测试，结果表明该模型优于现有的所有使用传统分子描述符的机器学习模型。

内容中包含的图片若涉及版权问题，请及时与我们联系删除