蛋白语言模型条件化GNN预测GPCR配体活性

2026年10月7日，bioRxiv发布预印本，研究者开发了一种多模态图神经网络，将配体分子图与冻结的蛋白语言模型GPCR序列表征结合，用于同时预测pActivity定量值与二分类活性。该模型在271,739个配体–GPCR配对上训练，覆盖183,694个配体和216个人源GPCR。采用ESM-2 650M受体嵌入时，在随机、冷配体和骨架划分下的平均绝对误差分别为0.513、0.540和0.641个pActivity单位。目前该工作处于预印本阶段，尚未见后续报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。