會員登錄
機器學習新算法，可快速計算藥物與靶點間結合能力
打賞
推廣
美國麻省理工學院團隊發明了一種新的機器學習算法，可以通過精確、快速計算結合自由能來計算候選藥物與其靶點間的結合能力。
?
圖片來源：MIT News, Xinqiang Ding and Bin Zhang
?
藥物只有與目標蛋白相結合才能發揮作用，而評估這種結合能力是藥物發現和篩選過程中的一個關鍵障礙。該能力由結合自由能衡量，結合自由能越小，結合能力越大。近日，美國麻省理工學院（MIT）團隊發明了一種新的機器學習算法 DeepBAR，可以通過精確、快速計算結合自由能來計算候選藥物與其靶點間的結合能力。該算法通過在被稱為深度生成模型的機器學習框架中部署 Bennett acceptance ratio（BAR，一種幾十年來用于計算結合自由能的算法），來削減耗時的中間狀態，并借鑒計算機視覺領域的經驗，使得該算法與之前最先進的方法相比，只需少量時間就能產生精確的計算結果。在使用小蛋白類分子的測試中，DeepBAR 計算結合自由能的速度比之前的方法快近 50 倍。研究人員表示，DeepBAR 可以加速新藥研發和蛋白質工程的進步，并計劃提高 DeepBAR 運行大型蛋白質計算的能力。該研究于 3 月 16 日在《物理化學通訊雜志》（Journal of Physical Chemistry Letters）發表。（MIT， Journal of Physical Chemistry Letters）
關注【深圳科普】微信公眾號，在對話框：
回復【最新活動】，了解近期科普活動
回復【科普行】，了解最新深圳科普行活動
回復【研學營】，了解最新科普研學營
回復【科普課堂】，了解最新科普課堂
回復【科普書籍】，了解最新科普書籍
回復【團體定制】，了解最新團體定制活動
回復【科普基地】，了解深圳科普基地詳情
回復【觀鳥知識】，學習觀鳥相關科普知識
回復【博物學院】，了解更多博物學院活動詳情
聽說，打賞我的人最后都找到了真愛。
近期活動
深i科普
掃描關注深i科普公眾號
