Глубокое обучение для поиска связей белков и лигандов: новый подход в поиске лекарств.

 DynamicBind: A Deep Learning Approach for Dynamic Protein-Ligand Docking and Drug Discovery

“`html

DynamicBind: глубокий подход к динамическому докингу белка-лиганда и поиску лекарств

Современные методы в области предсказания структур белков сталкиваются с проблемами в представлении их динамики, учитывающей влияние лигандов. Это критично для понимания функций белков и развития лекарственных средств. Традиционные методы докинга часто ограничиваются рассмотрением белков как жестких структур, что снижает их точность. Молекулярно-динамические симуляции могут предложить соответствующие конформации белков, но они требуют значительных вычислительных ресурсов. Недавние достижения, такие как AlphaFold, предсказывают структуры по последовательностям, но генерируют только несколько конформаций, упуская динамическую природу белков, что сказывается на точности докинга. Исследователи из Galixir Technologies, School of Pharmaceutical Science, Sun Yat-sen University, Center for Theoretical Biological Physics and Department of Chemistry, Rice University, и Global Institute of Future Technology, Shanghai Jiao Tong University разработали метод DynamicBind, использующий глубокое обучение для предсказания конформаций, специфичных для лигандов, из структур несвязанных белков без обширного сэмплирования. DynamicBind отличается высокой точностью в докинге и виртуальном скрининге, способен учесть значительные изменения конформаций белков и отыскать скрытые углубления в новых целевых белках. Этот метод показывает потенциал в ускорении разработки малых молекул для ранее недоступных целей и продвижении вычислительного поиска лекарственных средств.

Основные особенности DynamicBind

DynamicBind – это универсальный инструмент для предсказания структур белково-лигандных комплексов, способный адаптироваться к значительным изменениям конформаций белков. В процессе вывода модель постепенно корректирует положения лигандов и внутренние углы на протяжении 20 итераций, а также приспосабливает конформации белков, в частности углы боковых цепей, улучшая предсказания AlphaFold. В отличие от традиционных моделей, он использует морфоподобное преобразование вместо гауссовских шумовых воздействий, что улучшает способность модели улавливать биологически значимые изменения конформаций. DynamicBind превосходит в предсказании положения лигандов, уменьшая столкновения и выявляя скрытые углубления, демонстрируя свой потенциал для приложений в области поиска лекарственных средств.

В заключение, DynamicBind интегрирует генерацию конформаций белков и предсказание положения лигандов в единую глубокую систему обучения, значительно превосходя традиционные молекулярно-динамические симуляции по скорости. В отличие от обычных методов докинга, требующих заранее определенных связывающих углублений, DynamicBind выполняет глобальный докинг, что идеально подходит для обнаружения скрытых углублений, снижая возможные побочные эффекты за счет направленного воздействия на конкретные белки. Хотя модель проявляет отличные характеристики, требуются улучшения для более общего использования на белках с низкой гомологией последовательностей. Новые достижения в области крио-электронной микроскопии и включение данных о связывающей способности могут усилить потенциал DynamicBind.

“`

Мобильная разработка на заказ и готовые решения

Мобильная разработка

Готовые и индивидуальные решения

Веб решения - разработка сайтов и сервисов

Web решения

Получите бесплатную консультацию по веб-разработке прямо сейчас

Аутсорсинг, подбор специалистов и команд разработки

Аутсорсинг

Выберите своего специалиста сегодня и начните свой проект

Новости

  • Многоходовое Внимание: Революция в Понимании Языковых Моделей

    Введение в механизмы внимания в языковых моделях Языковые модели (LLMs) активно используют механизмы внимания для эффективного извлечения контекстной информации. Однако традиционные методы внимания ограничены однотокеновым вниманием, что может затруднять понимание сложных языковых зависимостей.…

  • Amazon Nova Act: Революция в автоматизации веб-задач

    Введение в Amazon Nova Act Amazon представил революционную модель ИИ под названием Nova Act, предназначенную для автоматизации различных веб-задач. Этот ИИ-агент может автоматизировать процессы, такие как заполнение форм, навигация по интерфейсу и управление…

  • Руководство для начинающих по терминалу и командной строке: основные команды и советы

    Практические бизнес-решения с использованием Terminal/Command Prompt Введение Terminal и Command Prompt – это мощные инструменты для взаимодействия с компьютерами, которые могут значительно повысить производительность и эффективность в бизнесе. Преимущества использования Terminal/Command Prompt Эффективная…

  • Гибридная система вознаграждений ByteDance: улучшение RLHF с помощью RTV и GenRM

    Введение в Гибридную Систему Наград в ИИ Недавнее исследование от ByteDance представляет значительное достижение в области искусственного интеллекта через гибридную систему наград. Эта система объединяет Проверяющие Задачи Размышления (RTV) и Генеративную Модель Наград…

  • Революционная платформа AI для интеграции рассуждений и поиска

    Введение в ReSearch: Прогрессивная AI-структура Обзор ReSearch ReSearch представляет собой продвинутую структуру, которая обучает большие языковые модели (LLM) комбинировать рассуждения с поиском с помощью обучения с подкреплением, устраняя необходимость в контролируемых данных для…

  • Использование Git и Git Bash: Руководство для бизнеса

    Бизнес-преобразование с помощью Git и искусственного интеллекта Введение Использование Git и Git Bash может значительно улучшить управление проектами. Эти инструменты позволяют командам отслеживать изменения кода и эффективно сотрудничать, что значительно повышает производительность бизнеса.…

  • Создание инструмента для анализа рентгеновских снимков с открытым исходным кодом

    Создание инструмента для оценки рентгеновских снимков с открытым исходным кодом Практические бизнес-решения Создание прототипа инструмента для оценки рентгеновских снимков может значительно улучшить процессы диагностики и повысить качество обслуживания клиентов в медицинских учреждениях. Использование…

  • Увеличение разнообразия креативного письма с помощью DPO и ORPO в ИИ моделях

    Улучшение креативного письма с помощью ИИ: Практические решения для бизнеса Понимание проблемы креативного письма в ИИ Креативное письмо требует разнообразия и воображения, что представляет собой уникальную задачу для систем искусственного интеллекта (ИИ). В…

  • Оценка юридических ответов на соответствие GDPR с помощью платформы Atla

    Оценка юридических ответов для соблюдения GDPR с помощью платформы Atla Обзор Данный гид описывает практический подход к оценке качества юридических ответов, сгенерированных языковыми моделями, с использованием платформы Atla и Python SDK. Наша цель…

  • VideoMind: Прорыв в понимании видео с помощью ИИ

    Видеоминд: Применение AI для понимания видео Видеоминд представляет собой значительное достижение в области искусственного интеллекта, особенно в понимании видео. Этот инновационный подход решает уникальные задачи анализа видеоконтента. Понимание задач видеоконтента Видеоматериалы более сложны…

  • Hostinger Horizons: Создавайте веб-приложения без кода с помощью ИИ

    Практические бизнес-решения с использованием Hostinger Horizons Hostinger Horizons предлагает уникальные возможности для бизнеса благодаря своей платформе без кода, которая упрощает создание веб-приложений. Вот как это может улучшить бизнес и реальную жизнь: Преимущества использования…

  • Hunyuan-T1: Революция в Искусственном Интеллекте для Бизнеса

    Практические бизнес-решения Преобразование рабочих процессов Искусственный интеллект может значительно улучшить бизнес-операции. Вот практические шаги, которые стоит рассмотреть: 1. Определите возможности автоматизации Ищите процессы, которые можно автоматизировать для повышения эффективности. 2. Улучшите взаимодействие с…

  • FFN Fusion от NVIDIA: Революция в эффективности больших языковых моделей

    Введение в большие языковые модели Большие языковые модели (LLMs) становятся все более важными в различных секторах, обеспечивая работу приложений, таких как генерация естественного языка и разговорные агенты. Однако с увеличением размера и сложности…

  • UI-R1: Улучшение предсказания действий GUI с помощью обучения с подкреплением

    UI-R1 Framework: Улучшение предсказания действий GUI с помощью ИИ Обзор проблемы Традиционный метод обучения больших языковых моделей (LLMs) и агентов графического пользовательского интерфейса (GUI) требует больших объемов размеченных данных, что приводит к длительным…

  • Эффективное Масштабирование Времени Вывода для Бизнеса

    Оптимизация времени вывода для потоковых моделей: практические бизнес-решения Введение Недавние разработки в области искусственного интеллекта сместили акцент с увеличения размера модели и объема обучающих данных на повышение эффективности вычислений во время вывода. Эта…

  • Устойчивое развитие AI для временных рядов с помощью синтетических данных: инновационный подход Salesforce

    Возможности ИИ для анализа временных рядов с использованием синтетических данных Анализ временных рядов имеет огромное значение для бизнеса, но он сталкивается с проблемами доступности и качества данных. Использование синтетических данных может решить эти…

  • Руководство по решению уравнения Бюргера 1D с помощью PINNs в PyTorch

    Практическое руководство по преобразованию бизнеса с помощью ИИ Это руководство демонстрирует, как использовать физически обоснованные нейронные сети (PINNs) для решения уравнения Бургенса и как такие технологии могут улучшить бизнес-процессы и реальную жизнь. Шаги…

  • Открытие OpenVLThinker-7B: Новый уровень визуального мышления для бизнеса

    Улучшение визуального мышления с OpenVLThinker-7B Понимание проблемы Модели, объединяющие обработку языка и интерпретацию изображений, испытывают трудности с многошаговым мышлением. Это создает проблемы в таких задачах, как понимание графиков и решение визуальных математических задач.…