On the Frustration to Predict Binding Affinities from Protein–Ligand Structures with Deep Neural Networks

On the Frustration to Predict Binding Affinities from Protein–Ligand Structures with Deep Neural Networks | Journal of Medicinal Chemistry (acs.org)

 

* Open Access 가 아니라 Abstract 만

 

Original Figure from paper

 

단백질 - 리간드 원자 스케일에서의 결합 강도는 drug discovery 의 초기 단계에서 아직도 큰 과제임.

이 논문에서는 modular message passing GNN 을 이용하여 ligand, protein 의 free, bound state 를 설명하려고 했고, 리간드-단백질의 비공유결합만으로는 설명이 어렵다는 것을 말하고 있다. 

간단한 모델들도 training set 에 있는 근접한 protein 과 ligand의 결합력(결합 친화력) 을 잘 예측하는데, 이는 DNN 에 있어서 memorization 이 큰 역할을 하는 것으로 말할 수 있다. 

이 연구에서는 다른 protein, ligand 의 원자적인 환경은 고려하지 않고 오직 비공유결합만 고려할것을 제시함.

Hidden biases 를 제거하는데에는 공동체의 노력과 좀 더 dense 한 protein-ligand matrice 가 필요할 것.

 

Original table from paper ( Supplementary figure )

 

Supple 에 보니 Model, dataset 들이 잘 나와있어 첨부해놓음.