FlexVDW：一种在配体对接中考虑蛋白质柔性的机器学习方法
生物大分子
2023-03-22 v1 机器学习
摘要
大多数广泛使用的配体对接方法假定蛋白质结构为刚性。当目标蛋白在配体结合时发生形变，这会导致问题。特别地，配体的真实结合姿态常因配体与蛋白质原子间明显的冲突而被打分为极不利，这些冲突使计算出的范德华能量项取值极高。传统上，该问题通过显式搜索受体构象以考虑受体在配体结合中的柔性来解决。本文提出一种深度学习模型，训练其在预测范德华能量时隐式地考虑受体柔性。我们展示将该机器学习能量项纳入最先进的基于物理的打分函数后，在蛋白质发生显著形变的情形下改善了小分子配体姿态预测结果，且在蛋白质形变极小的情形下不降低性能。本工作证明了无需显式建模蛋白质结构变化即可学习蛋白质柔性对配体结合影响的可行性。
引用
@article{arxiv.2303.11494,
title = {FlexVDW: A machine learning approach to account for protein flexibility in ligand docking},
author = {Patricia Suriana and Joseph M. Paggi and Ron O. Dror},
journal= {arXiv preprint arXiv:2303.11494},
year = {2023}
}
备注
Published at the MLDD workshop, International Conference on Learning Representations (ICLR) 2023