环肽结合物构象体预测与排序的人工智能工具基准测试研究

《RSC Medicinal Chemistry》:Benchmarking AI-Driven Protocols for Cyclic Peptide Conformer Prediction and RankingOpen Access

【字体: 大 中 小 】 时间:2026年10月11日 来源:RSC Medicinal Chemistry 4.6

编辑推荐:

   打开图片查看器 生成式人工智能正被应用于多肽设计,以在研究早期阶段优化结合物。一个值得关注的应用是关于环

  

生成式人工智能正被应用于多肽设计,以在研究早期阶段优化结合物。一个值得关注的应用是关于环肽的,其中人工智能协助对结合态或溶液态下的构象体进行建模。本工作对标了当前最先进协议在预测和排序环肽结合物单独及其与靶标复合物构象体的能力,分别使用序列表示或全原子表示。数据集由具有公开数据库中实验结构的环肽组成。基准测试中纳入了多种工具:HighFold、EvoBind2中实现的环肽感知AlphaFold2、CycPepDock、Boltz-1/1x、Boltz-2 和 Chai-1。我们发现,较新的工具相比其基于AlphaFold2的对应工具在结构预测方面具有优势,尽管两组工具的结果准确程度在很大程度上仅限于蛋白质-多肽复合物,而非自由溶液结构。此外,使用环状相对位置编码偏移量被证明是准确预测的关键,且天然氨基酸表示被发现优于更通用的SMILES字符串输入。我们印证了先前关于线性多肽的文献发现,即即使在预测准确的情况下,模型置信度指标与实验观察到的结合亲和力之间也存在较差的相关性。最后,我们将基于人工智能的工具性能与基于物理的模拟性能进行了比较,表明后者仍然是考虑环肽内在构象柔性的唯一方法,但前者在复合物结构预测方面具有显著的性价比优势。本研究提供了可应用于环肽设计和优化的见解,为基于多肽的治疗药物发展做出贡献。

本文根据 知识共享署名-非商业性使用 4.0 国际许可协议授权。您可以在其他出版物中使用本文材料,无需向RSC另行申请许可,前提是给出正确引用且不用于商业目的。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号