EGR:用于三维蛋白质复合物结构等变图精修与评估的方法
机器学习
2022-05-26 v2 人工智能
生物大分子
定量方法
机器学习
摘要
蛋白质复合物是对所有生物体的功能和健康至关重要的宏分子。由于蛋白质复合物的结构,特别是其多个蛋白质亚基(即链)之间的相互作用区域,对该复合物的生物学功能有显著影响,因此能够快速有效地用于精修和评估蛋白质复合物三维结构计算方法可直接用于药物发现流程中,以加速新疗法的开发并提高未来疫苗的有效性。在本工作中,我们提出了等变图精修器(EGR),一种新颖的 E(3)-等变图神经网络(GNN),用于蛋白质复合物的多任务结构精修与评估。我们在新的、多样的蛋白质复合物数据集上的实验(所有这些数据集我们在本工作中均公开提供)证明了 EGR 在蛋白质复合物的原子级精修与评估方面达到了最先进的效能,并勾勒出该领域未来工作的方向。在此过程中,我们为宏观分子精修与结构分析的后续研究建立了基线。
引用
@article{arxiv.2205.10390,
title = {EGR: Equivariant Graph Refinement and Assessment of 3D Protein Complex Structures},
author = {Alex Morehead and Xiao Chen and Tianqi Wu and Jian Liu and Jianlin Cheng},
journal= {arXiv preprint arXiv:2205.10390},
year = {2022}
}
备注
18 pages, 3 figures, and 8 tables. Under review