计算与 AI 药物发现 Journal of Chemical Information and Modeling (ACS)
DockBind:将质控后的对接构象与实测亲和力配对,用于评分函数训练
- 机器学习评分函数受限于训练数据不足,作者为此构建了旨在产生较真实模型构象的对接流程。
- 该流程在扩展基准上比较无模板与基于模板的对接,以及基于配体相似性和最大公共子结构的构象筛选,随后应用于Binding MOAD、PDB、ChEMBL和BindingDB的数据。
- 所得DockBind数据集覆盖众多靶点和多样化学结构,可用于评分函数的训练与基准测试。
要点 基于摘要的观点
我首先想问的是标签到底是什么:是用晶体配体测得的亲和力,却挂在一个可能出错的对接构象上。构象筛选有帮助,但在此基础上训练的评分函数可能学到对接程序本身的偏差。在相信任何提升之前,我想看按时间或靶点划分的测试,以及与用晶体构象训练的结果对比。
原论文: Journal of Chemical Information and Modeling (ACS) ↗ DockBind: A Quality-Controlled Data Set of Modeled Protein–Ligand Complexes Associated with Affinity Data