用于研究完整配体-蛋白质解离动力学的新型4D数据集范式
计算物理
2026-02-17 v2 机器学习
化学物理
生物大分子
摘要
药物-蛋白质结合和解离的动力学与动力学对于理解药物吸收和代谢至关重要。尽管人工智能工具在药物-蛋白质相互作用研究方面取得了进展，但现有的训练数据集仅限于静态结构或准静态构象。本文提出了一种新的计算方法，用于快速生成药物-蛋白质解离轨迹，并提出了首个动态时间分辨4维(t, x, y, z)轨迹数据库DD-13M。该数据集捕获了565个配体-蛋白质复合物的26000多个完整解离过程，提供了近1300万帧原子级模拟轨迹。使用DD-13M数据集训练的深度等变生成模型UnbindingFlow能够为新目标产生解离轨迹，并准确预测其解离速率常数(koff)。DD-13M为AI模型引入了新型训练数据集，为研究药物-蛋白质相互作用的动力学开辟了全新的范式。
引用
@article{arxiv.2504.18367,
title = {A Novel 4-D Dataset Paradigm for Studying Complete Ligand-Protein Dissociation Dynamics},
author = {Maodong Li and Jiying Zhang and Zhe Wang and Bin Feng and Wenqi Zeng and Dechin Chen and Zhijun Pan and Yu Li and Zijing Liu and Yi Isaac Yang},
journal= {arXiv preprint arXiv:2504.18367},
year = {2026}
}
备注
The dissociation dynamics dataset DD-13M is publicly available at https://huggingface.co/datasets/SZBL-IDEA/MD (For facilitated browsing and categorical download, a dedicated web interface is maintained at: https://aimm.szbl.ac.cn/database/ddd/#/home)