跳到正文
原文
bioRxiv 预印本· Ren, Q., Wu, L., Zha, J., Li, M., Feng, W., Zhang, H., Yang, H., Li, R., Liu, X., He, J., Zhou, W., Song, Y., Wu, C., Shen, Q., Cheng, X., Qin, W., Zheng, Z., Zhang, J. ·· 8 天前精选AI 评分50

AllositeUltra跨状态学习实现蛋白动态变构位点前瞻性发现

Cross-state representation learning enables prospective discovery of dynamic protein allosteric sites

AI 导读

研究团队发布深度学习框架AllositeUltra与跨状态位点识别基准AsBench2,在apo和底物结合结构上的Top-3位点回收率分别为65.2%和70.6%,较最佳基线相对提升36.4%和约50%。将该方法前瞻性用于MAGI2,识别出一个此前未被认识的域间变构口袋,并经小分子筛选和X射线晶体学在原子分辨率上验证。全蛋白质组应用还产出了高置信度可靶向变构位点图谱。

推荐理由

该预印本给出跨构象状态识别变构位点的基准与模型,并附MAGI2位点的实验验证,可供评估AI辅助变构药物发现的可行性。

来源:bioRxiv 预印本 · biorxiv.org