MIT研究人员开发了一个几何深度学习模型。该模型在成功将类药物分子与蛋白质结合方面，比最快的计算分子对接模型更快、更准确，减少了药物试验失败的机会和成本。

众所周知，整个宇宙充满着无数分子。

 

这些分子中又有多少具有潜在的类似药物的特性，可用于开发挽救生命的药物呢？是百万级？还是十亿级？又或是万亿级？

 

答案是：10的60次幂。

 

如此巨大的数字，大大延缓了新药的研发进度，像新冠等快速传播的疾病，目前迟迟未有特效药，也是因为分子种类和数量太大，远远超出了现有药物设计模型可以计算的范围。

 

MIT的一个研究团队偏不信这个邪。算不过来是吧，那把之前的模型加加速总可以吧？

 

这一加速，就是1200倍。

 

他们研究了一款名为「EquiBind」的几何深度学习模型，该模型比之前最快的计算分子对接模型「QuickVina2-W」快了1200倍， 成功地将类药物分子与蛋白质结合，减少了药物试验失败的机会和成本。

 

研究论文即将发表在ICML 2022上。

 

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