.png){kind=icon}
返回
Deciphering DEL pocket patterns through contrastive learning
.png){kind=icon}
OA
AI
DOI：10.1038/s41467-026-69663-y.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
DNA编码文库（DELs）通过拆分-混合合成和DNA标记技术，实现了对万亿级分子与蛋白质靶点的高通量筛选。尽管其潜力巨大，但仅有少数DEL衍生的化合物进入临床试验或上市。对靶蛋白特征，尤其是适合DEL筛选的结合口袋的深入理解，对于提高成功率至关重要。然而，现有方法在评估口袋柔韧性和功能相似性方面仍显局限。本研究提出ErePOC，一种基于对比学习与ESM-2嵌入的口袋表征模型，以应对这些挑战。ErePOC能够捕捉结合口袋的结构与功能特征，从而识别DEL靶点间的共有特性。通过整合低维理化性质分析与高维ErePOC嵌入分析，我们提供了对DEL靶点空间的全面视角。在下游分类任务中达到98%的精度，ErePOC在口袋表征方面表现出高性能，并应用于预测适合DEL筛选的人类蛋白质，在18个功能类别中均显示出富集现象。本研究建立了一个通过更有效的靶点选择和口袋相似性分析来增强DEL药物发现的框架。DNA编码文库（DELs）在药物发现中具有前景，但由于对靶点兼容性的理解有限，其表现往往不尽如人意。本研究提出ErePOC，一种能够识别适合DEL筛选的蛋白质口袋的口袋表征模型。
Keyword:
Computational biophysics
High-throughput screening
Protein function predictions
Structural biology
Science
Humanities and Social Sciences
multidisciplinary
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
15.7
论文数:
9.4W
被引数:
91.2W
机构
引用论文
A defined structural unit enables de novo design of small-molecule–binding proteins定义的结构单元可以从头设计小分子结合蛋白.png)
ScienceOAAI
ScienceIF0
OAAI分享收藏Development of Highly Potent Noncovalent Inhibitors of SARS- CoV-2 3CLproACS CENTRAL SCIENCEOAAI
ACS CENTRAL SCIENCEIF10.4
OAAI分享收藏The impact of library size and scale of testing on virtual screening图书馆大小和测试规模对虚拟筛选的影响NATURE CHEMICAL BIOLOGY
OAAI
NATURE CHEMICAL BIOLOGYIF13.7
OAAI分享收藏
查看更多内容