Dieser Datensatz stammt aus dem PapierDynamicBind: Vorhersage der ligandenspezifischen Protein-Ligand-Komplexstruktur mit einem tiefen äquivarianten generativen Modell„Die Trainings- und Testsätze des AlphaFold-Datensatzes wurden verwendet, um das dynamische Andocken von Proteinen vorherzusagen. Dieser Artikel wurde von der Forschungsgruppe von Zheng Shuangjia an der Shanghai Jiao Tong University in Zusammenarbeit mit StarPharmaceuticals, der Sun Yat-sen University School of Pharmacy und der Rice University in den USA veröffentlicht. Das Forschungsteam schlug ein geometrisches, tiefes generatives Modell namens DynamicBind vor, das für das „dynamische Andocken“ von Proteinen entwickelt wurde und die Proteinkonformation von der anfänglichen AlphaFold-Vorhersage effektiv in einen holographischen Zustand anpassen kann. Dadurch wird ein neues, auf Deep Learning basierendes Forschungsparadigma bereitgestellt, das die dynamischen Veränderungen von Proteinen für die Arzneimittelentwicklung in der Post-AlphaFold-Ära berücksichtigt. Die im Dokument verwendeten Originaldaten stammen aus einem öffentlichen Datensatz PDbbind2020Die im Rahmen dieser Studie generierten Forschungsdaten und aufbereiteten Trainingsdaten stehen auf dieser Seite zum Download bereit.

Zitat

@article{lu2024dynamicbind, title={DynamicBind: Vorhersage der ligandenspezifischen Protein-Ligand-Komplexstruktur mit einem tiefen äquivarianten generativen Modell}, Autor={Lu, Wei und Zhang, Jixian und Huang, Weifeng und Zhang, Ziqiao und Jia, Xiangyu und Wang, Zhenyu und Shi, Leilei und Li, Chengtao und Wolynes, Peter G und Zheng, Shuangjia} Zeitschrift={Nature Communications}, Volumen={15}, Nummer={1}, Seiten={1071}, Jahr={2024}, Verlag={Nature Publishing Group UK London} }