bioRxiv · Bioinformatics· A. S., B. G., Singh, A., Kanchan, S., Kulkarni, N. M. ·· 23 天前精选AI 评分58
PATHNet：受热力学路径积分启发的蛋白-配体相互作用预测神经网络
PATHNet: A Thermodynamic Path-Integral-Inspired Neural Network for Protein-Ligand Interaction Prediction
AI 导读
研究提出PATHNet，一个从分子力学描述符学习蛋白-配体相互作用、结合分段线性映射与有界神经网络校正的物理约束打分框架，训练采用变分最小作用量式目标，并以重整化群启发的谱约束和多重起点盆地优化做模型选择。在七个DUD-E靶点上，PATHNet的平均活性物与诱饵分类准确率在受测方法中最高，超过三个代表不同架构家族的文献基线。该结果为预印本摘要报告，仅涉及计算打分与DUD-E靶点评测。
推荐理由
该预印本提出物理约束的蛋白-配体打分网络，并在七个DUD-E靶点上与三类基线比较分类表现。
来源：bioRxiv · Bioinformatics · biorxiv.org