成功率超越RoseTTAFold系列，用序列信息直接预测蛋白质-配体复合物结构
图片 编辑 | 萝卜皮 蛋白质-配体对接是药物发现和开发中一种成熟的工具，用于缩小实验测试的潜在治疗范围。然而，高质量的蛋白质结构是必需的，而且蛋白质通常被视为完全或部分刚性的。 在这里，柏林自由大学（Freie Universität Berlin）的研究人员开发了一个人工智能系统，可以直接从序列信息预测蛋白质-配体复合物的完全柔性全原子结构。 虽然经典对接方法仍然更胜一筹，但这也取决于目标蛋白质的晶体结构。除了预测灵活的全原子结构外，预测置信度指标 (plDDT) 还可用于选择准确的预测，以及区分强结合剂和弱结合剂。 该研究以「Structure prediction of protein-ligand complexes from sequence information with Umol」为题，于 2024 年 5 月 28 日发布在《Nature Communications》。 图片 小分子与蛋白质靶标的对接是评估新药及重新定位已知药物的重要问题，但现有对接方法存在局限：需要高质量的蛋白质结构；难以确定正确的对接姿态；多基于结合态（饱和）结构评估，限制了对新配体的探索。
机器之心 · 2024-06-18 18:29:00
