JCIM|结合AI与Docking的基于结构的分子从头生成模型
1.研究背景
2.模型框架
图1:研究中使用的模型与概念
3.实验
表1:研究中使用的靶蛋白的已知活性或诱饵化合物
图2:生成分子的对接分数在不同C值下随时间的分布
图3:每隔10h对接分数最优的新分子及其与相关残基之间的蛋白-配体相互作用
图4:生成分子与已知活性化合物的结合模型及其晶体结构
为了与现有方法进行比较,作者选择了GENTRL,在DDR1 (PDB ID: 3ZOS)上使用SBMolGen方法进行了分子生成实验,并使用了与上述CDK2和EGFR相同的参数,而GENTRL生成的分子是从GENTRL出版物的支持信息中获得的。研究比较了使用GENTRL和SBMolGen生成的分子的对接分数分布,SBMolGen生成的分子显示出优异的对接分数。这可能是因为作者的方法使用对接分数作为回报函数。
4.总结
参考资料
Biao Ma,Kei Terayama,Shigeyuki Matsumoto,Yuta Isaka,Yoko Sasakura,Hiroaki Iwata,Mitsugu Araki,and Yasushi Okuno,Structure-Based de Novo Molecular Generator Combined with Artificial Intelligence and Docking Simulations ,Journal of Chemical Information and Modeling. DOI:10.1021/acs.jcim.1c00679
赞 (0)