机构名称：
¥ 1.0
使用量子化学 (QC) 量化分子间相互作用可用于解决许多化学问题，包括了解蛋白质-配体相互作用的性质。不幸的是，对于大多数用例而言，蛋白质-配体系统的 QC 计算在计算上过于昂贵。机器学习 (ML) 潜力的蓬勃发展是一个有前途的解决方案，但它受到无法轻松捕捉长距离非局部相互作用的限制。在这项工作中，我们开发了一个原子对神经网络 (AP-Net)，专门用于模拟分子间相互作用。该模型受益于许多物理约束，包括一个双组分等变信息传递神经网络架构，该架构通过单体电子密度的中间预测来预测相互作用能量。AP-Net 模型还受益于由成对的配体和蛋白质片段组成的综合训练数据集。该模型以计算成本降低了几个数量级的方式准确预测蛋白质-配体系统的 QC 质量相互作用能量。
用于蛋白质-配体相互作用的物理感知神经网络
主要关键词
相关文件推荐
