EquiBind:几何深度学习药物结合结构预测

预测药物类分子结合到一个特定的蛋白质药物发现的目标是一个核心问题。极其快速计算绑定方法将使快速虚拟筛选和药物等关键应用工程。现有方法计算昂贵,因为他们依赖于大量的候选人抽样加上评分,排名,微调步骤。汉斯·斯塔克与EquiBind挑战这种模式,一个SE(3)等变化几何深度学习模型进行直接的方式打破空客预测我)受体结合的位置(盲对接)和ii)配体的构成和方向。EquiBind达到显著的加速和更好的质量比传统和最近的基线。此外,我们显示额外的改进与现有的微调技术耦合时的成本增加了运行时间。最后,我们提出一种新颖的快速微调模型调整配体的扭转角度的可旋转键基于封闭全局最小点·冯·米塞斯的角距离给定输入原子点云,避免以前贵了微分进化策略能量最小化。