使用社交账号登陆

当前位置: 主页 > 前沿 > 生物 • 医学

机器学习新算法,可快速计算药物与靶点间结合能力

时间: 2021年03月18日 | 作者: Admin | 来源: 科研圈
美国麻省理工学院团队发明了一种新的机器学习算法,可以通过精确、快速计算结合自由能来计算候选药物与其靶点间的结合能力。


image.png

图片来源:MIT News, Xinqiang Ding and Bin Zhang


药物只有与目标蛋白相结合才能发挥作用,而评估这种结合能力是药物发现和筛选过程中的一个关键障碍。该能力由结合自由能衡量,结合自由能越小,结合能力越大。近日,美国麻省理工学院(MIT)团队发明了一种新的机器学习算法 DeepBAR,可以通过精确、快速计算结合自由能来计算候选药物与其靶点间的结合能力。该算法通过在被称为深度生成模型的机器学习框架中部署 Bennett acceptance ratio(BAR,一种几十年来用于计算结合自由能的算法),来削减耗时的中间状态,并借鉴计算机视觉领域的经验,使得该算法与之前最先进的方法相比,只需少量时间就能产生精确的计算结果。在使用小蛋白类分子的测试中,DeepBAR 计算结合自由能的速度比之前的方法快近 50 倍。研究人员表示,DeepBAR 可以加速新药研发和蛋白质工程的进步,并计划提高 DeepBAR 运行大型蛋白质计算的能力。该研究于 3 月 16 日在《物理化学通讯杂志》(Journal of Physical Chemistry Letters)发表。(MIT, Journal of Physical Chemistry Letters)