MetaPLI:以检索到的实验数据为上下文,无需重新训练即可预测结合亲和力
- 一种检索增强的上下文内回归模型,依据蛋白–配体复合物结构及少量已知活性测定值预测绝对结合亲和力。
- 新的实验结果会加入检索到的上下文,无需重新训练即可指导先导优化中后续的预测与化合物选择。
- 基准数据集、验证设计(回顾性或前瞻性)以及与现有方法的比较,在可获取的记录中未能确认。
💡 要点 基于摘要的观点
在它取代你项目里的任何环节之前,先问清检索是怎么划分的:如果检索到的上下文与查询化合物同属一个化学系列,那你测到的不过是绕了个弯的局部QSAR,而活性悬崖恰恰会在最需要的地方让它出错。先做按系列留出的测试,再用你们最近两轮的数据,与简单的局部模型和FEP做对比。