医药新科技
下载贤集网APP入驻自媒体
先导化合物的结构优化是药物设计的核心环节，需要反复循环来提高化合物活性、特异性、成药性等性质。长期以来，先导化合物的活性优化高度依赖药物化学家的经验以及大量的人力和资源投入。 基于结构的药物设计可以通过模拟的DMTA循环（设计-合成-测试-分析）来加速优化过程。 一种新的人工智能方法——PBCNet（Pairwise Binding Comparison Network），采用孪生图卷积神经网络架构，通过比较一组相似配体的结合模式差异来预测二者之间的相对结合亲和力，可以较好的兼顾计算速度和精度。 该研究还开发了易于操作的图形界面网络计算服务。这种方法有助于消除不同来源或实验测定条件下结合亲和力数据中存在的系统误差，并更全面的描述了蛋白-配体之间的分子结合信息。
