曾堅陽研究組發(fā)現(xiàn)蛋白質(zhì)-小分子間局部共價相互作用和結(jié)合強度的深度學(xué)習(xí)模型
曾堅陽研究組發(fā)現(xiàn)蛋白質(zhì)-小分子間局部共價相互作用和結(jié)合強度的深度學(xué)習(xí)模型
2020年04月23日 瀏覽次數(shù): 0
近日，交叉信息院曾堅陽研究組發(fā)現(xiàn)蛋白質(zhì)-小分子間局部共價相互作用和結(jié)合強度的深度學(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，同時被計算分子生物學(xué)研究國際會議接收（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，準確預(yù)測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制分析分子間的結(jié)合位點。曾堅陽研究組首次整理了一個大規(guī)模數(shù)據(jù)集來驗證現(xiàn)有CPI預(yù)測模型的可解釋性，并發(fā)現(xiàn)現(xiàn)有的基于神經(jīng)網(wǎng)絡(luò)的注意力機制模型很難自動捕獲蛋白質(zhì)和小分子之間形成的非共價鍵。
基于上述發(fā)現(xiàn)，曾堅陽研究組重新定義了CPI預(yù)測的機器學(xué)習(xí)問題，將預(yù)測分子間非共價鍵和預(yù)測親和力這兩個任務(wù)結(jié)合起來，開發(fā)了一個多目標神經(jīng)網(wǎng)絡(luò)模型，同時預(yù)測蛋白質(zhì)-小分子間形成的局部非共價鍵和親和力。前者是揭示CPI作用機制的重要線索，而后者是虛擬高通量藥物分子篩選的重要指標。分子間形成的非共價鍵會影響其相互作用強度，因此本研究猜測引入這一信息能夠更好地幫助親和力預(yù)測，而計算實驗也證明了這一假設(shè)。測試表明，這一模型在兩個任務(wù)上均能實現(xiàn)準確的預(yù)測，效果優(yōu)于現(xiàn)有的機器學(xué)習(xí)模型。在沒有可利用的結(jié)構(gòu)信息來支持非共價鍵預(yù)測的大規(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)測效果。除此之外，模型還能夠自動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方平和碩士生李舒雅，通訊作者為交叉信息院曾堅陽副教授和趙誕助理研究員。本研究得到了國家自然科學(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或證實其真實性，也不構(gòu)成其他建議。僅提供交流平臺，不為其版權(quán)負責(zé)。如涉及侵權(quán)，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com