.png){kind=icon}
返回
Sequence-based virtual screening using transformers
.png){kind=icon}
PRE
AI
DOI：10.1038/s41467-025-61833-8.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
蛋白质-配体相互作用在众多生物过程中发挥着核心作用，并且在药物设计中至关重要。深度学习方法正成为配体识别方面的高通量实验方法的低成本替代方案。在此，为了预测蛋白质与小分子之间的结合亲和力，我们介绍了基于Transformer架构的深度学习方法Ligand-Transformer。Ligand-Transformer采用基于序列的方法，其中输入为目标蛋白质的氨基酸序列和小分子的拓扑结构，以实现对两者形成的复合物所探索的构象空间的预测。我们将Ligand-Transformer应用于筛选并实验验证靶向突变EGFRLTC激酶的抑制剂，鉴定出具有纳摩尔级效力的化合物。随后，我们使用此方法预测已知ABL激酶抑制剂诱导的构象种群分布变化，表明基于序列的预测能够表征结合过程中的种群分布变化。总体而言，我们的结果阐明了Ligand-Transformer在准确预测小分子与蛋白质的相互作用方面的潜力，包括结合亲和力以及结合时自由能景观的变化，从而揭示分子机制并促进药物设计的初始步骤。Ligand-Transformer是一种仅使用序列和2D结构输入来预测蛋白质-配体结合和构象变化的深度学习框架，能够实现高效虚拟筛选并揭示药物作用机制。
期刊
IF:
15.7
论文数:
9.6W
被引数:
93.2W
机构
引用论文
Abelson murine leukaemia virus protein is phosphorylated in vitro to form phosphotyrosine.png)
Nature
NatureIF0
PREAI
分享收藏分享收藏Multi-state modeling of G-protein coupled receptors at experimental accuracy以实验精度对g蛋白偶联受体进行多状态建模
OAAI
OAAI分享收藏AlphaFold prediction of structural ensembles of disordered proteinsAlphaFold对无序蛋白质结构群体的预测NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Role of ABL family kinases in cancer: from leukaemia to solid tumoursNATURE REVIEWS CANCEROAAI
NATURE REVIEWS CANCERIF66.8
OAAI分享收藏AlphaFold2 models indicate that protein sequence determines both structure and dynamicsSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏分享收藏ChEMBL: towards direct deposition of bioassay dataChEMBL: 走向生物测定数据的直接沉积NUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏
查看更多内容