- 4 次围观
内容形式:摘要译文
药物-靶标亲和力(DTA)预测是药物发现中的一项关键任务,可用于估计候选化合物与生物靶标之间的相互作用强度。然而,现有模型依赖基于连接关系的分子表征,并未明确考虑分子的空间组织方式,即立体化学。这一局限在手性问题上尤为明显:药物可能以对映异构体的形式存在,即原子和键相同、但三维排列不同的分子。尽管它们在化学结构上相似,却可能与同一靶标产生不同的相互作用,从而导致结合亲和力和生物活性出现差异。本文提出一种立体化学感知的DTA预测框架,将此类信息纳入分子表征。药物表征基于化学结构,通过能够捕捉对映异构体构型的有向键消息传递图神经网络进行学习;蛋白质靶标则采用基于序列的嵌入表示。在Davis数据集上的实验表明,该模型能够提升亲和力预测性能。值得注意的是,针对一个经人工整理、包含生物学作用不同的对映异构体的数据集所开展的案例研究显示,该模型能够区分两种形式的亲和力,且结果与实验观察到的生物活性一致。这些发现表明,采用立体化学感知的分子表征有助于实现更准确且更符合化学实际的DTA预测。
关键词:药物-靶标亲和力预测 · 立体化学 · 对映异构体 · 图神经网络 · 蛋白质序列嵌入
原文链接:https://www.biorxiv.org/content/10.64898/2026.05.14.725200v1?rss=1
来源出处
立体化学感知的药物-靶标亲和力预测
https://www.biorxiv.org/content/10.64898/2026.05.14.725200v1?rss=1