曾堅(jiān)陽(yáng)研究組發(fā)現(xiàn)蛋白質(zhì)-小分子間局部共價(jià)相互作用和結(jié)合強(qiáng)度的深度學(xué)習(xí)模型
曾堅(jiān)陽(yáng)研究組發(fā)現(xiàn)蛋白質(zhì)-小分子間局部共價(jià)相互作用和結(jié)合強(qiáng)度的深度學(xué)習(xí)模型
2020年04月23日 瀏覽次數(shù): 0
近日，交叉信息院曾堅(jiān)陽(yáng)研究組發(fā)現(xiàn)蛋白質(zhì)-小分子間局部共價(jià)相互作用和結(jié)合強(qiáng)度的深度學(xué)習(xí)模型，該成果論文“MONN: a multi-objective neural network for predicting compound-protein interactions and affinities”發(fā)表于Cell Systems期刊，同時(shí)被計(jì)算分子生物學(xué)研究國(guó)際會(huì)議接收（RECOMB, 2020）。
蛋白質(zhì)-小分子相互作用（CPI）是藥物研發(fā)過程中的關(guān)鍵問題，準(zhǔn)確預(yù)測(cè)這一相互作用有助于提高藥物研發(fā)的效率。雖然近年來有一些深度學(xué)習(xí)算法應(yīng)用在這一領(lǐng)域的工作，但是這些神經(jīng)網(wǎng)絡(luò)模型的可解釋性仍然比較局限，僅能在少數(shù)案例上通過注意力機(jī)制分析分子間的結(jié)合位點(diǎn)。曾堅(jiān)陽(yáng)研究組首次整理了一個(gè)大規(guī)模數(shù)據(jù)集來驗(yàn)證現(xiàn)有CPI預(yù)測(cè)模型的可解釋性，并發(fā)現(xiàn)現(xiàn)有的基于神經(jīng)網(wǎng)絡(luò)的注意力機(jī)制模型很難自動(dòng)捕獲蛋白質(zhì)和小分子之間形成的非共價(jià)鍵。
基于上述發(fā)現(xiàn)，曾堅(jiān)陽(yáng)研究組重新定義了CPI預(yù)測(cè)的機(jī)器學(xué)習(xí)問題，將預(yù)測(cè)分子間非共價(jià)鍵和預(yù)測(cè)親和力這兩個(gè)任務(wù)結(jié)合起來，開發(fā)了一個(gè)多目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，同時(shí)預(yù)測(cè)蛋白質(zhì)-小分子間形成的局部非共價(jià)鍵和親和力。前者是揭示CPI作用機(jī)制的重要線索，而后者是虛擬高通量藥物分子篩選的重要指標(biāo)。分子間形成的非共價(jià)鍵會(huì)影響其相互作用強(qiáng)度，因此本研究猜測(cè)引入這一信息能夠更好地幫助親和力預(yù)測(cè)，而計(jì)算實(shí)驗(yàn)也證明了這一假設(shè)。測(cè)試表明，這一模型在兩個(gè)任務(wù)上均能實(shí)現(xiàn)準(zhǔn)確的預(yù)測(cè)，效果優(yōu)于現(xiàn)有的機(jī)器學(xué)習(xí)模型。在沒有可利用的結(jié)構(gòu)信息來支持非共價(jià)鍵預(yù)測(cè)的大規(guī)模虛擬篩選數(shù)據(jù)集上，模型也能夠成功獲得優(yōu)于其他算法的預(yù)測(cè)效果。除此之外，模型還能夠自動(dòng)捕獲分子間相互作用的化學(xué)規(guī)則。
?
該成果論文共同第一作者為交叉信息院博士生萬(wàn)方平和碩士生李舒雅，通訊作者為交叉信息院曾堅(jiān)陽(yáng)副教授和趙誕助理研究員。本研究得到了國(guó)家自然科學(xué)基金、南京圖靈人工智能研究院和中關(guān)村海華前沿信息技術(shù)研究院支持。
論文原文鏈接：https://www.sciencedirect.com/science/article/pii/S2405471220300818
版權(quán)與免責(zé)聲明：本網(wǎng)頁(yè)的內(nèi)容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點(diǎn)或證實(shí)其真實(shí)性，也不構(gòu)成其他建議。僅提供交流平臺(tái)，不為其版權(quán)負(fù)責(zé)。如涉及侵權(quán)，請(qǐng)聯(lián)系我們及時(shí)修改或刪除。郵箱：sales@allpeptide.com