WikiEdge:ArXiv速递/2025-04-25

摘要

• 原文标题：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文标题：药物-蛋白质解离动力学的增强采样、公共数据集与生成模型
• 发布日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分类：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文链接：http://arxiv.org/abs/2504.18367v1

中文摘要：药物-蛋白质结合与解离动力学是理解生物系统中分子相互作用的基础。尽管已有许多研究药物-蛋白质相互作用的工具（尤其是基于人工智能的生成模型），但针对结合/解离动力学和动态过程的预测工具仍显不足。我们提出了一种结合分子动力学模拟、增强采样和AI生成模型的新研究范式。通过设计增强采样策略，我们实现了药物-蛋白质解离过程在分子动力学模拟中的高效运行，并估算自由能面。基于该策略构建的分子动力学模拟程序流程，生成了包含26,612条药物-蛋白质解离轨迹（约1300万帧）的数据集DD-13M。利用该数据集训练的深度等变生成模型UnbindingFlow，可生成无碰撞解离轨迹。DD-13M数据库与UnbindingFlow模型标志着计算结构生物学的重大进展，预计将在药物-蛋白质相互作用的机器学习研究中获得广泛应用。当前研究正致力于将该方法拓展至更广泛的药物-蛋白质复合物体系，并探索其在路径预测中的新应用。