bioRxiv · Biophysics· Zou, Z., Hazelwood, I., Estevam, G., Rao, J., Chrispens, K., Howard, M. K., Coyote-Maestas, W., Fraser, J. S. ·· 6 天前精选AI 评分69
研究用深度突变扫描数据评测蛋白语言模型与深度学习模型的抑制剂相互作用预测
Learning inhibitor interactions from protein deep mutational scanning data and deep learning models
AI 导读
研究以覆盖MET激酶域11种抑制剂条件的深度突变扫描数据,系统评测突变效应预测与药物-靶点亲和力预测模型。结果显示,尽管实验揭示的抑制剂依赖性适应度景观明显不同,当前AI模型在两类任务上大多给出配体不变的预测;LigandMPNN和LASErMPNN等配体感知几何模型部分找回实验验证的耐药相关热点,而深度学习亲和力模型低估突变引起的结合亲和力变化。
推荐理由
研究用MET激酶域11种抑制剂条件的深度突变扫描数据,系统评测突变效应与亲和力模型,指出配体不变预测的共性局限。
来源:bioRxiv · Biophysics · biorxiv.org