详细内容或原文请订阅后点击阅览
蛋白质结合亲和力模型扩大了AI在药物发现中的作用
了解分子如何相互作用是生物学的核心：从解码生物的作用到揭示疾病机制和开发挽救生命的药物。近年来，诸如Alphafold之类的模型改变了我们预测蛋白质3D结构的能力，从而为分子形状和相互作用提供了关键的见解。
来源:英国物理学家网首页了解分子如何相互作用是生物学的核心：从解码生物的作用到揭示疾病机制和开发挽救生命的药物。近年来，诸如Alphafold之类的模型改变了我们预测蛋白质3D结构的能力，从而为分子形状和相互作用提供了关键的见解。
但是，尽管Alphafold可以显示分子如何结合在一起，但它无法衡量它们的结合程度，这是理解上述所有特性的关键因素。那缺少的作品是麻省理工学院的新AI模型Boltz-2出现的地方。
Boltz-2Boltz-2通过共同对结构和结合亲和力进行建模，这是小分子药物发现中的关键参数。 Boltz-2的亲和力模块接受了数百万个实际实验室测量值的训练，显示了分子与蛋白质的强烈结合。因此，Boltz-2现在可以在几个基准中以前所未有的精度预测结合强度，这些基准反映了现实世界中的不同阶段。
在已建立的基准测试中，Boltz-2的预测非常接近全体物理自由能扰动所产生的预测（一种精确的计算机模拟，可以预测药物对其目标的强烈强烈，但即使在GPU上进行一项测试也可能需要一天的速度），即速度超过1000倍。这是第一个提供精度水平的深度学习模型。
“这种性能提高使Boltz-2不仅使研究工具，而且使现实世界中的药物开发的实用引擎，” MIT CSAIL博士说。学生Gabriele Corso。 Corso与同学Jeremy Wohlwend和MIT Jameel Clinic研究员Saro Passaro一起是Boltz-1和Boltz-2的首席研究员。
单分子 培训数据