Molecular embedding-based algorithm selection in protein-ligand docking

Jiabao Brad Wang

doi:10.1186/s13321-026-01168-8

Molecular embedding-based algorithm selection in protein-ligand docking

2026-03-14

0

OA

AI

DOI：10.1186/s13321-026-01168-8

原文链接

查看原文

摘要

En 中文

选择有效的对接算法高度依赖于具体情境，且没有任何单一方法能在结构、化学和协议范式下稳定表现。MolAS是一种轻量级算法选择模型，它利用注意力池化和浅层残差解码器，从预训练的蛋白质和配体嵌入中预测各算法的性能。在拥有数百至数千个标记复合物的数据集中，MolAS在五个对接基准测试中相较于单一最佳求解器（SBS）实现了高达15个百分点的绝对提升，并缩小了虚拟最佳求解器（VBS）与SBS之间17%至66%的差距。对选择频率、边际条件可靠性和基准测试级先验结构（oracle）的分析表明，MolAS在先验景观具有低胜者熵和合理可分离的顶级求解器区域时效果最佳，但在协议不匹配导致求解器排名变化并改变诱导标签时会性能下降。这些结果表明，在评估范围内，鲁棒性受限的因素更多是工作流和协议诱导的求解器层级不稳定性，而非表示能力，这使得MolAS成为固定管道的领域内选择器，并作为评估对接算法选择是否合理的诊断工具。科学贡献：MolAS引入了一种基于嵌入的受控选择器，减少了对外部图编码器的依赖，实现了表示选择与工作流定义标签结构的清晰分离。跨基准和跨协议分析将选择成功与失败与先验熵、顶级求解器间的近似平局以及协议诱导的排名变化联系起来，提供了关于对接算法选择何时可能带来增益的证据支持诊断。研究发现将本研究与以往仅报告在单一固定工作流下领域内改进的对接算法选择研究区分开来，通过明确表征协议依赖性并推动协议感知建模，为更强的泛化能力提供了路径。

Keyword:

Algorithm selection

Cheminformatics

Molecular embeddings

Pose evaluation

Protein-ligand docking

Docking benchmarks

Molecular embedding-based algorithm selection in protein-ligand docking

摘要

AI总结

期刊

机构

引用论文