WikiEdge:ArXiv速遞/2025-04-25

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：藥物-蛋白質解離動力學的增強採樣、公共數據集與生成模型
• 發佈日期：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
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學和動態過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程在分子動力學模擬中的高效運行，並估算自由能面。基於該策略構建的分子動力學模擬程序流程，生成了包含26,612條藥物-蛋白質解離軌跡（約1300萬幀）的數據集DD-13M。利用該數據集訓練的深度等變生成模型UnbindingFlow，可生成無碰撞解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重大進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。