基于对接构象集合训练的MLP重排难成药靶点LRH-1化合物，发现四个潜在结合剂
- 利用基于物理的靶向对接与生成模型盲对接，在LRH-1多个受体构象上得到的构象训练两个MLP，预测正构口袋处的结合剂或激活剂，避免依赖单一构象或单一评分。
- 在化学结构差异较大的分布外数据集上，模型识别出与训练集不相似的化合物，并对单一骨架修饰敏感，提示可用于先导化合物优化。
- 一项小规模前瞻性筛选获得四个潜在结合剂，且将对接评分与MLP预测结合后，在不同库规模下均提高了命中化合物富集。
💡 要点 基于摘要的观点
四个推定结合物是对接加机器学习的结果,并非已验证的命中,在称其为hit之前,我想先看到DSF、SPR或共晶等生物物理确认。LRH-1的口袋疏水且容易容纳各种分子,所以我还会用性质匹配的诱饵集检验MLP,因为基于构象的特征很可能只是在编码亲脂性和分子大小。与单独对接相比,联合打分带来的提升才是真正可迁移的有用之处。