EquiBind:用于药物结合结构预测的几何深度学习

预测类药物分子如何与特定蛋白质靶标结合是药物发现的核心问题。一种极其快速的计算结合方法将使快速虚拟筛选或药物工程等关键应用成为可能。现有的方法计算成本很高，因为它们依赖于大量的候选抽样，加上评分、排名和微调步骤。Hannes Stark用EquiBind挑战了这一范式，这是一个SE(3)等变几何深度学习模型，可以直接预测i)受体结合位置(盲对接)和ii)配体结合的姿态和方向。与传统和最新的基准相比，EquiBind实现了显著的加速和更好的质量。此外，在以增加运行时间为代价将其与现有的微调技术耦合时，我们还展示了额外的改进。最后，我们提出了一种新的快速微调模型，该模型基于到给定输入原子点云的冯米塞斯角距离的封闭形式全局极小值来调整配体可旋转键的扭转角度，避免了以前昂贵的能量最小化的差分进化策略。