ML/MM端点计算引入极化校正提升亲和力排序

Zhang, Leshen 在 ChemRxiv 预印本中提出一种 ML/MM-PBSA 框架，在端点自由能计算中引入极化校正的机械嵌入（PCME）与静电嵌入（EE），并在气相能量和极性溶剂化项中使用随结合状态与构象变化的 ML 电荷。 在 JACS 与 Merck 两套共 15 个靶点的基准上，PCME 与 EE 两条路线对亲和力的排序均优于经典 MM-PBSA，中位 Spearman ρ 从 0.216 分别升至 0.343 和 0.329，作者称计算成本可接受。电荷来源对照实验和一个代表性 PTP1B 复合物的分析显示，依赖构象的 ML 电荷可处理不对称的局部静电环境。上述为预印本报告的结果，尚未经同行评审。

AI 根据报道生成 · 6 天前更新