SOTA性能，廈大多模態(tài)蛋白質(zhì)-配體親和力預(yù)測(cè)AI方法，首次結(jié)合分子表面訊息
Jul 17, 2024 pm 06:37 PM
編輯 | KX
在藥物研發(fā)領(lǐng)域，準(zhǔn)確有效地預(yù)測(cè)蛋白質(zhì)與配體的結(jié)合親和力對(duì)於藥物篩選和優(yōu)化至關(guān)重要。然而，目前的研究並沒有考慮到分子表面訊息在蛋白質(zhì)-配體相互作用中的重要作用。
基於此，來自廈門大學(xué)的研究人員提出了一種新穎的多模態(tài)特徵提?。∕FE）框架，該框架首次結(jié)合了蛋白質(zhì)表面、3D 結(jié)構(gòu)和序列的信息，並使用交叉注意機(jī)制進(jìn)行不同模態(tài)之間的特徵對(duì)齊。
實(shí)驗(yàn)結(jié)果表明，該方法在預(yù)測(cè)蛋白質(zhì)-配體結(jié)合親和力方面取得了最先進(jìn)的性能。此外，消融研究證明了該框架內(nèi)蛋白質(zhì)表面資訊和多模態(tài)特徵對(duì)齊的有效性和必要性。
相關(guān)研究以「Surface-based multimodal protein–ligand binding affinity prediction」為題，於 6 月 21 日發(fā)佈在《Bioinformatics》上。
作為藥物發(fā)現(xiàn)的關(guān)鍵階段，預(yù)測(cè)蛋白質(zhì)-配體結(jié)合親和力，長(zhǎng)期以來得到了廣泛的研究，這對(duì)於高效、準(zhǔn)確的藥物篩選至關(guān)重要。
傳統(tǒng)的電腦輔助藥物發(fā)現(xiàn)工具使用評(píng)分函數(shù)（SF）粗略估計(jì)蛋白質(zhì)-配體結(jié)合親和力，但準(zhǔn)確性較低。分子動(dòng)力學(xué)模擬方法可以提供更準(zhǔn)確的結(jié)合親和力估計(jì)，但通常成本高且耗時(shí)。 隨著計(jì)算技術(shù)的發(fā)展和大規(guī)模生物數(shù)據(jù)的日益豐富，基於深度學(xué)習(xí)的方法在蛋白質(zhì)-配體結(jié)合親和力預(yù)測(cè)領(lǐng)域顯示出巨大的潛力。 然而，目前的研究主要利用基於序列或結(jié)構(gòu)的表示來預(yù)測(cè)蛋白質(zhì)-配體的結(jié)合親和力，對(duì)蛋白質(zhì)-配體相互作用至關(guān)重要的蛋白質(zhì)表面資訊的研究相對(duì)較少。 分子表面是蛋白質(zhì)結(jié)構(gòu)的高級(jí)表示，它表現(xiàn)出化學(xué)和幾何特徵模式，可作為蛋白質(zhì)與其他生物分子相互作用模式的指紋。因此，一些研究開始使用蛋白質(zhì)表面資訊來預(yù)測(cè)蛋白質(zhì)-配體結(jié)合親和力。 但現(xiàn)有的方法主要關(guān)注單模態(tài)數(shù)據(jù)，忽略了蛋白質(zhì)的多模態(tài)資訊。此外，在處理蛋白質(zhì)的多模態(tài)訊息時(shí)，傳統(tǒng)方法通常以直接的方式連接來自不同模態(tài)的特徵，而不考慮它們之間的異質(zhì)性，這導(dǎo)致無法有效利用模態(tài)之間的互補(bǔ)性。新穎的多模態(tài)特徵提取框架
在此，研究人員提出了一種新穎的多模態(tài)特徵提取(MFE) 框架，該框架首次結(jié)合了來自蛋白質(zhì)表面、3D 結(jié)構(gòu)和序列的信息。
圖 1：MFE 框架。 （資料來源：論文）
SOTA 表現(xiàn)
表 1 展示了 MFE 和其他基線模型在蛋白質(zhì)-配體結(jié)合親和力預(yù)測(cè)任務(wù)上的結(jié)果。所有模型都使用相同的訓(xùn)練集和驗(yàn)證集劃分方法，並在 PDBbind 核心集（版本 2016）上進(jìn)行測(cè)試?？梢园l(fā)現(xiàn)，與所有基準(zhǔn)相比，MFE 方法實(shí)現(xiàn)了 SOTA 效能。
消融研究
為了進(jìn)一步證明不同模態(tài)特徵和特徵比對(duì)的有效性和必要性，研究人員進(jìn)行了以下消融研究：W/O 蛋白質(zhì)表面資訊、W/O 蛋白質(zhì)結(jié)構(gòu)資訊、W/O 蛋白質(zhì)序列資訊和無特徵比對(duì)。結(jié)果如表 2 及圖 2 所示。
圖 2：消融研究結(jié)果。 （來源：論文）
結(jié)果表明，當(dāng)去除表面資訊時(shí)，性能會(huì)明顯下降，這表明表面資訊在模型中起著至關(guān)重要的作用。同樣，排除結(jié)構(gòu)或序列資訊都會(huì)導(dǎo)致效能下降，而序列資訊的消除會(huì)導(dǎo)致更明顯的下降。這是因?yàn)樾蛄匈Y訊包含了蛋白質(zhì)的全局訊息，這對(duì)於模型對(duì)蛋白質(zhì)的全面理解至關(guān)重要。
此外，在沒有特徵比對(duì)的情況下，模型的表現(xiàn)會(huì)下降。這強(qiáng)調(diào)了特徵比對(duì)在處理多模態(tài)資料中的重要性，因?yàn)樗兄稖p少不同模態(tài)特徵之間的異質(zhì)性，從而提高模型有效整合不同模態(tài)特徵的能力。
超參數(shù)分析
為了研究不同超參數(shù)對(duì)模型性能的影響，研究人員進(jìn)行了以下三個(gè)實(shí)驗(yàn)：（i）MFE-A-6：僅使用6 種基本原子類型來表示表面的化學(xué)特性，包括氫、碳、氮、氧、磷、硫；（ii）MFE-P-256：僅選擇最靠近配體中心的256 個(gè)表面點(diǎn)作為蛋白質(zhì)口袋表面；（iii）MFE-P -1024：選擇最靠近配體中心的1024 個(gè)表麵點(diǎn)作為蛋白質(zhì)口袋表面。
圖 3 為三種不同的超參數(shù)選擇方法在蛋白質(zhì)-配體結(jié)合親和力預(yù)測(cè)任務(wù)上的結(jié)果。
特徵對(duì)齊分析與可視化
為了深入研究特徵對(duì)齊對(duì)模型性能的影響，研究人員使用主成分分析(PCA) 對(duì)測(cè)試集中的蛋白質(zhì)表面、結(jié)構(gòu)和序列特徵進(jìn)行降維和可視化分析。此方法旨在確定特徵對(duì)齊是否可以減輕多模態(tài)嵌入之間的異質(zhì)性。
研究發(fā)現(xiàn)，特徵對(duì)齊顯著增強(qiáng)了蛋白質(zhì)表面、結(jié)構(gòu)和序列嵌入之間的一致性。這是由於透過注意力機(jī)制優(yōu)化了 Transformer 中的多模態(tài)特徵交互，該機(jī)制計(jì)算了不同特徵之間的注意力權(quán)重。這增強(qiáng)了模型捕獲關(guān)鍵資訊的能力，使來自不同模態(tài)的數(shù)據(jù)在特徵空間中更緊密地聚集，從而減少了模型識(shí)別蛋白質(zhì)-配體相互作用時(shí)的噪音和錯(cuò)誤。
最後，研究人員總結(jié)道，「總之，透過研究蛋白質(zhì)的表面，我們可以更深入地了解蛋白質(zhì)如何與其他生物分子相互作用。在未來的工作中，我們將更徹底地探索蛋白質(zhì)表面，以揭示它們?cè)谏镔Y訊學(xué)中的更廣泛應(yīng)用。
以上是SOTA性能，廈大多模態(tài)蛋白質(zhì)-配體親和力預(yù)測(cè)AI方法，首次結(jié)合分子表面訊息的詳細(xì)內(nèi)容。更多資訊請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！
熱AI工具
Undress AI Tool
免費(fèi)脫衣圖片
Undresser.AI Undress
人工智慧驅(qū)動(dòng)的應(yīng)用程序，用於創(chuàng)建逼真的裸體照片
AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。
Clothoff.io
AI脫衣器
Video Face Swap
使用我們完全免費(fèi)的人工智慧換臉工具，輕鬆在任何影片中換臉！
熱門文章
熱工具
記事本++7.3.1
好用且免費(fèi)的程式碼編輯器
SublimeText3漢化版
中文版，非常好用
禪工作室 13.0.1
強(qiáng)大的PHP整合開發(fā)環(huán)境
Dreamweaver CS6
視覺化網(wǎng)頁開發(fā)工具
SublimeText3 Mac版
神級(jí)程式碼編輯軟體(SublimeText3)
位元組跳動(dòng)剪映推出 SVIP 超級(jí)會(huì)員：連續(xù)包年 499 元，提供多種 AI 功能
Jun 28, 2024 am 03:51 AM
本站6月27日訊息，剪映是由位元組跳動(dòng)旗下臉萌科技開發(fā)的一款影片剪輯軟體，依託於抖音平臺(tái)且基本面向該平臺(tái)用戶製作短影片內(nèi)容，並相容於iOS、安卓、Windows 、MacOS等作業(yè)系統(tǒng)。剪映官方宣布會(huì)員體系升級(jí)，推出全新SVIP，包含多種AI黑科技，例如智慧翻譯、智慧劃重點(diǎn)、智慧包裝、數(shù)位人合成等。價(jià)格方面，剪映SVIP月費(fèi)79元，年費(fèi)599元（本站註：折合每月49.9元），連續(xù)包月則為59元每月，連續(xù)包年為499元每年（折合每月41.6元） 。此外，剪映官方也表示，為提升用戶體驗(yàn)，向已訂閱了原版VIP
突破傳統(tǒng)缺陷檢測(cè)的界限，\'Defect Spectrum\'首次實(shí)現(xiàn)超高精度豐富語意的工業(yè)缺陷檢測(cè)。
Jul 26, 2024 pm 05:38 PM
在現(xiàn)代製造業(yè)中，精準(zhǔn)的缺陷檢測(cè)不僅是確保產(chǎn)品品質(zhì)的關(guān)鍵，更是提升生產(chǎn)效率的核心。然而，現(xiàn)有的缺陷檢測(cè)資料集常常缺乏實(shí)際應(yīng)用所需的精確度和語意豐富性，導(dǎo)致模型無法辨識(shí)特定的缺陷類別或位置。為了解決這個(gè)難題，由香港科技大學(xué)廣州和思謀科技組成的頂尖研究團(tuán)隊(duì)，創(chuàng)新地開發(fā)了「DefectSpectrum」資料集，為工業(yè)缺陷提供了詳盡、語義豐富的大規(guī)模標(biāo)註。如表一所示，相較於其他工業(yè)資料集，「DefectSpectrum」資料集提供了最多的缺陷標(biāo)註（5438張缺陷樣本），最細(xì)緻的缺陷分類（125個(gè)缺陷類別
英偉達(dá)對(duì)話模式ChatQA進(jìn)化到2.0版本，上下文長(zhǎng)度提到128K
Jul 26, 2024 am 08:40 AM
開放LLM社群正是百花齊放、競(jìng)相爭(zhēng)鳴的時(shí)代，你能看到Llama-3-70B-Instruct、QWen2-72B-Instruct、Nemotron-4-340B-Instruct、Mixtral-8x22BInstruct-v0.1等許多表現(xiàn)優(yōu)良的模型。但是，相較於以GPT-4-Turbo為代表的專有大模型，開放模型在許多領(lǐng)域仍有明顯差距。在通用模型之外，也有一些專精關(guān)鍵領(lǐng)域的開放模型已被開發(fā)出來，例如用於程式設(shè)計(jì)和數(shù)學(xué)的DeepSeek-Coder-V2、用於視覺-語言任務(wù)的InternVL
數(shù)百萬晶體資料訓(xùn)練，解決晶體學(xué)相位問題，深度學(xué)習(xí)方法PhAI登Science
Aug 08, 2024 pm 09:22 PM
編輯|KX時(shí)至今日，晶體學(xué)所測(cè)定的結(jié)構(gòu)細(xì)節(jié)和精度，從簡(jiǎn)單的金屬到大型膜蛋白，是任何其他方法都無法比擬的。然而，最大的挑戰(zhàn)——所謂的相位問題，仍然是從實(shí)驗(yàn)確定的振幅中檢索相位資訊。丹麥哥本哈根大學(xué)研究人員，開發(fā)了一種解決晶體相問題的深度學(xué)習(xí)方法PhAI，利用數(shù)百萬人工晶體結(jié)構(gòu)及其相應(yīng)的合成衍射數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，可以產(chǎn)生準(zhǔn)確的電子密度圖。研究表明，這種基於深度學(xué)習(xí)的從頭算結(jié)構(gòu)解決方案方法，可以以僅2埃的分辨率解決相位問題，該分辨率僅相當(dāng)於原子分辨率可用數(shù)據(jù)的10%到20%，而傳統(tǒng)的從頭算方
GoogleAI拿下IMO奧數(shù)銀牌，數(shù)學(xué)推理模型AlphaProof面世，強(qiáng)化學(xué)習(xí) is so back
Jul 26, 2024 pm 02:40 PM
對(duì)AI來說，奧數(shù)不再是問題了。本週四，GoogleDeepMind的人工智慧完成了一項(xiàng)壯舉：用AI做出了今年國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽IMO的真題，並且距拿金牌僅一步之遙。上週剛結(jié)束的IMO競(jìng)賽共有六道賽題，涉及代數(shù)、組合學(xué)、幾何和數(shù)論。谷歌提出的混合AI系統(tǒng)做對(duì)了四道，獲得28分，達(dá)到了銀牌水準(zhǔn)。本月初，UCLA終身教授陶哲軒剛剛宣傳了百萬美元獎(jiǎng)金的AI數(shù)學(xué)奧林匹克競(jìng)賽（AIMO進(jìn)步獎(jiǎng)），沒想到7月還沒過，AI的做題水平就進(jìn)步到了這種水平。 IMO上同步做題，做對(duì)了最難題IMO是歷史最悠久、規(guī)模最大、最負(fù)
為大模型提供全新科學(xué)複雜問答基準(zhǔn)與評(píng)估體系，UNSW、阿貢、芝加哥大學(xué)等多家機(jī)構(gòu)共同推出SciQAG框架
Jul 25, 2024 am 06:42 AM
編輯|ScienceAI問答（QA）資料集在推動(dòng)自然語言處理（NLP）研究中發(fā)揮著至關(guān)重要的作用。高品質(zhì)QA資料集不僅可以用於微調(diào)模型，也可以有效評(píng)估大語言模型（LLM）的能力，尤其是針對(duì)科學(xué)知識(shí)的理解和推理能力。儘管目前已有許多科學(xué)QA數(shù)據(jù)集，涵蓋了醫(yī)學(xué)、化學(xué)、生物等領(lǐng)域，但這些數(shù)據(jù)集仍有一些不足之處。其一，資料形式較為單一，大多數(shù)為多項(xiàng)選擇題（multiple-choicequestions），它們易於進(jìn)行評(píng)估，但限制了模型的答案選擇範(fàn)圍，無法充分測(cè)試模型的科學(xué)問題解答能力。相比之下，開放式問答
SK 海力士 8 月 6 日將展示 AI 相關(guān)新品：12 層 HBM3E、321-high NAND 等
Aug 01, 2024 pm 09:40 PM
本站8月1日消息，SK海力士今天（8月1日）發(fā)布博文，宣布將出席8月6日至8日，在美國(guó)加州聖克拉拉舉行的全球半導(dǎo)體記憶體峰會(huì)FMS2024，展示諸多新一代產(chǎn)品。未來記憶體和儲(chǔ)存高峰會(huì)（FutureMemoryandStorage）簡(jiǎn)介前身是主要面向NAND供應(yīng)商的快閃記憶體高峰會(huì)（FlashMemorySummit），在人工智慧技術(shù)日益受到關(guān)注的背景下，今年重新命名為未來記憶體和儲(chǔ)存高峰會(huì)（FutureMemoryandStorage），以邀請(qǐng)DRAM和儲(chǔ)存供應(yīng)商等更多參與者。新產(chǎn)品SK海力士去年在
PRO | 為什麼基於 MoE 的大模型更值得關(guān)注？
Aug 07, 2024 pm 07:08 PM
2023年，幾乎AI的每個(gè)領(lǐng)域都在以前所未有的速度進(jìn)化，同時(shí)，AI也不斷地推動(dòng)著具身智慧、自動(dòng)駕駛等關(guān)鍵賽道的技術(shù)邊界。在多模態(tài)趨勢(shì)下，Transformer作為AI大模型主流架構(gòu)的局面是否會(huì)撼動(dòng)？為何探索基於MoE（專家混合）架構(gòu)的大模型成為業(yè)界新趨勢(shì)？大型視覺模型（LVM）能否成為通用視覺的新突破？ ……我們從過去的半年發(fā)布的2023年本站PRO會(huì)員通訊中，挑選了10份針對(duì)以上領(lǐng)域技術(shù)趨勢(shì)、產(chǎn)業(yè)變革進(jìn)行深入剖析的專題解讀，助您在新的一年裡為大展宏圖做好準(zhǔn)備。本篇解讀來自2023年Week50
