计算与 AI 药物发现 Journal of Chemical Information and Modeling
考虑溶剂的神经网络势函数改进了配体应变估算,尤其纠正了气相参照对带电分子的系统性误判
- 该神经势函数以含隐式溶剂的量子化学数据训练,对中性与带电配体采用统一处理,并借助GPU批量推理使整个化合物库的溶剂化全局最低能构象搜索变得可行。
- 对大量晶体结构配体进行回顾性分析发现,应变随电荷增加而上升;电荷最高的阴离子可靠性最低,仅作为上限值报告。
- 气相力场对中性分子尚可,但因未结合参照构象塌缩而高估带电配体的应变;加入隐式溶剂后大部分误差消除,同时表明应变取决于具体结合姿势,而非配体的固有属性。
要点 基于摘要的观点
晶体配体的回顾性应变分析没有实验真值,方法之间一致只能说明自洽,不能证明正确。真正用之前,我会在自家化学型上,用同样的隐式溶剂与DFT做对照,因为训练集对特殊带电基团的覆盖不足是这类势函数的常见短板。随后对同系列化合物按应变排序,遇到数值偏大时,先检查结合姿势和质子化状态,再考虑是不是配体本身的问题。
原论文: Journal of Chemical Information and Modeling ↗ Efficient and Accurate Ligand Strain Calculations in Solution with the AIMNet2 Neural Network Potential