主动学习让对接只需评估激酶片段重组空间中的极小部分，即可找出高分配体
- 将KinFragLib的亚口袋感知型片段重组,与对接、机器学习代理模型,以及围绕已评估配体进行增添、删除、替换的类遗传算法操作结合起来。
- 以PKA为案例,在约21万个配体的重组空间上做回顾性评估。
- 只需对空间中很小一部分进行对接,贪婪策略即可找回约一半的最优配体,明显优于随机选择。
- 兼顾多样性的策略在性能基本不降的情况下,扩大了片段与铰链区结合模式的覆盖。
💡 要点 基于摘要的观点
“找回约一半的最优配体”只有在以对接得分为真值时才有意义,所以这里衡量的是代理模型对对接打分的复现能力,而不是亲和力。再加上只有一个激酶、属于回顾性评估,整个空间多半已预先完成对接。放到我自己的项目里,在相信这些重组出来的命中之前,我会要求先在第二个靶点上复现,并做可合成性或实验验证。
Active Learning for Fragment-Based Kinase Inhibitor Discovery using Docking ↗