PLANET v2.0：基于混合密度网络的综合性蛋白-配体亲和力预测模型
机器学习
2026-01-13 v1 分子网络
摘要
药物发现是一个耗时且昂贵的过程，虚拟筛选可以加速这一过程。作为虚拟筛选工具之一的评分函数，其精度与筛选效率密切相关。在之前的研究中，我们开发了名为PLANET（Protein-Ligand Affinity prediction NETwork）的图神经网络模型，但它在表示蛋白-配体接触图方面存在缺陷。错误的结合模式不可避免地导致亲和力预测不准确，因此对蛋白-配体接触图的准确预测是提升PLANET性能的关键。本研究提出了PLANET v2.0作为升级版。该模型通过多目标训练策略进行训练，并融合混合密度网络以预测结合模式。除了预测非共价相互作用的概率密度分布外，我们创新性地采用另一个高斯混合模型来描述每对相互作用距离与能量之间的关系，并类似地计算数学期望来预测蛋白-配体亲和力。在CASL-2016基准测试上，PLANET v2.0在评分能力、排名能力和对接能力方面均表现出色。与PLANET和Glide SP相比，PLANET v2.0的筛选能力得到了显著提升，并在商业超大规模数据集上Demonstrated出稳健的验证结果。鉴于其效率和准确性，PLANET v2.0有望成为虚拟筛选工作流程中的实用工具。PLANET v2.0可在https://www.pdbbind-plus.org.cn/planetv2上免费获取。
关键词
引用
@article{arxiv.2601.07415,
title = {PLANET v2.0: A comprehensive Protein-Ligand Affinity Prediction Model Based on Mixture Density Network},
author = {Haotian Gao and Xiangying Zhang and Jingyuan Li and Xinchong Chen and Haojie Wang and Yifei Qi and Renxiao Wang},
journal= {arXiv preprint arXiv:2601.07415},
year = {2026}
}