机器学习新算法，可快速计算药物与靶点间结合能力-深i科普

机器学习新算法，可快速计算药物与靶点间结合能力

发布时间：2021-03-18

浏览次数：1416

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。

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）

关注【深圳科普】微信公众号，在对话框：
回复【最新活动】，了解近期科普活动
回复【科普行】，了解最新深圳科普行活动
回复【研学营】，了解最新科普研学营
回复【科普课堂】，了解最新科普课堂
回复【科普书籍】，了解最新科普书籍
回复【团体定制】，了解最新团体定制活动
回复【科普基地】，了解深圳科普基地详情
回复【观鸟知识】，学习观鸟相关科普知识
回复【博物学院】，了解更多博物学院活动详情