继2018年、2020年的两代AlphaFold的横空出世后，蛋白质结构预测已经接近实验精度，为计算赋能药物研发领域打下了坚实基础。在药物研发漫长的研发环节中，分子与蛋白质的相互作用预测是下一个计算赋能药物研发领域的“圣杯”。近日，星药科技预发表了 Trigonometry Aware Neural NetworK for Drug-Protein Binding Structure Prediction。该模型是全球首个能同时预测小分子和靶蛋白三维结合构象和结合亲和力的深度表征学习框架，大幅超越现存方法的最好结果。TBind采用端到端的数据驱动范式，结合物理启发式的几何图神经网络，打通了复合物三维结合模式及结合强度的双重预测，实现了对国际商业分子对接软件精度和效率的双超越，为分子蛋白相互作用预测提供了国产首个突破性方案。继AlphaFold之后, 将计算驱动的药物研发带入新的纪元。

论文标题：

TANKBind: Trigonometry-Aware Neural NetworKs for Drug-Protein Binding Structure Prediction

论文链接：

https://www.biorxiv.org/content/biorxiv/early/2022/06/06/2022.06.06.495043.full.pdf

TBind模型示意简图。模型的输入为一个蛋白质三维结构和分子三维结构，输出是两者之间的结合模式和结合强度。

目前研究团队在GitHub发布了免费开源测试版本TBind v0.5.0，并提供了案例展示。

开源链接：

https://github.com/luwei0917/TankBind

 

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