抗病毒盲测挑战中物理方法的结合构象预测表现良好,但受体柔性仍难以打分
- 两种开源的物理方法参加了2025年ASAP-Polaris-OpenADMET抗病毒结合构象预测挑战,采用模板化配体生长结合ML/MM混合势能。
- 两者均跻身较强的物理方法之列;改进后利用模板信息的流程在多数SARS-CoV-2与MERS-CoV主蛋白酶案例中取得成功。
- 侧链构象系综改善了构象生成,但打分函数仍无法可靠挑出正确的受体构象。
💡 要点 基于摘要的观点
Mpro口袋相对刚性、模板又充足,这更像是物理方法对接的有利场景,不能当作可泛化的证明。更值得注意的是:侧链系综能改善构象生成,打分却挑不出正确的受体构象。放到真实项目里,我不会只信单一打分,而是对接到系综上、对构象聚类,再与co-folding模型做对照。