评估预测蛋白-配体构象的相互作用恢复
生物大分子
2024-10-01 v1 机器学习
摘要
蛋白-配体构象预测领域近年来取得了显著进展，机器学习方法已常用于传统对接方法或预测所有原子蛋白-配体复合体结构。大多数当代研究侧重于配体位置的准确性和物理可行性，以确定构象质量，往往忽略对与蛋白相互作用的直接评估。本文证明，忽略蛋白-配体相互作用指纹会导致对模型性能的过度估计，尤其是最近的蛋白-配体共折叠模型常常未能再现关键相互作用。
引用
@article{arxiv.2409.20227,
title = {Assessing interaction recovery of predicted protein-ligand poses},
author = {David Errington and Constantin Schneider and Cédric Bouysset and Frédéric A. Dreyer},
journal= {arXiv preprint arXiv:2409.20227},
year = {2024}
}
备注
12 pages, 6 figures, 1 table, code at https://github.com/Exscientia/plif_validity, data at https://doi.org/10.5281/zenodo.13843798