CBGBench：蛋白-分子复合物结合图的填空
机器学习
2024-10-11 v3 人工智能
生物大分子
摘要
基于结构的药物设计（SBDD）旨在生成可与目标蛋白结合的潜在药物，AI 技术在生成模型方面大大加快了这一进程。然而，由于存在多样化的设置、复杂的实现、难以复现以及任务的单一性，系统性理解仍不足。首先，缺乏标准化会导致公平比较和不可确定的洞察。为此，我们提出CBGBench，一个为SBDD提供综合基准测试，將该任务统一建模为生成式异构图完成，类似于对3D复合物结合图的填空。在对现有方法的属性进行分类后，CBGBench 促进了模块化和可扩展框架，以实现各种前沿方法。其次，单一的"de novo"分子生成任务几乎无法反映其能力。为拓宽范围，我们将这些模型适配于药物设计中必不可少的各种任务，这些任务被视为图填空任务的子任务。这些任务包括"de novo"分子、链、片段、骨架和侧链的生成，全部以蛋白口袋的结构为条件。我们的评估在公平性方面进行，涵盖了相互作用、化学性质、几何真实性和次结构有效性等全面视角。我们进一步提供了前沿模型的预训练版本，并提供实证研究的深入见解。CBGBench的代码已公开 accessible at https://github.com/Edapinenut/CBGBench。
引用
@article{arxiv.2406.10840,
title = {CBGBench: Fill in the Blank of Protein-Molecule Complex Binding Graph},
author = {Haitao Lin and Guojiang Zhao and Odin Zhang and Yufei Huang and Lirong Wu and Zicheng Liu and Siyuan Li and Cheng Tan and Zhifeng Gao and Stan Z. Li},
journal= {arXiv preprint arXiv:2406.10840},
year = {2024}
}
备注
9 pages main context