面向多配体对接与结合位点设计的谐波自条件流匹配
机器学习
2024-06-03 v4 人工智能
摘要
大量蛋白质功能需要结合小分子,包括酶催化。因此,为小分子设计结合口袋具有从药物合成到能量存储等多项重要影响的应用。为此,我们首先开发了HarmonicFlow,一种基于自条件流匹配目标、针对三维蛋白质-配体结合结构的改进生成过程。FlowSite将该流模型扩展至联合生成蛋白质口袋的离散残基类型与分子的结合三维结构。我们表明,HarmonicFlow在口袋级对接的简洁性、通用性及平均样本质量上优于最先进的生成过程。得益于该结构建模,FlowSite设计的结合位点显著优于基线方法。
引用
@article{arxiv.2310.05764,
title = {Harmonic Self-Conditioned Flow Matching for Multi-Ligand Docking and Binding Site Design},
author = {Hannes Stärk and Bowen Jing and Regina Barzilay and Tommi Jaakkola},
journal= {arXiv preprint arXiv:2310.05764},
year = {2024}
}
备注
Published at ICML 2024. (Proceedings of the 41st International Conference on Machine Learning, Vienna, Austria. PMLR 235, 2024)