FABind+: 改良されたポケット予測とポーズ生成による分子ドッキングの向上

分子ドッキングは薬物発見において重要なプロセスです。従来の手法は物理原理に基づいた広範なサンプリングとシミュレーションに依存していますが、これらの方法はしばしば遅く、コストがかかります。深層学習を基盤とするアプローチの登場は、精度と効率性の向上に大きな期待を寄せられています。FABindというモデルが速度と精度に焦点を当てて設計された基礎的な研究に基づき、私たちはその性能を大幅に向上させた改良版であるFABind+を提案します。分子ドッキングにおけるポケット予測が重要なボトルネックであることを確認し、ポケット予測を大幅に改善する新規手法を提案することで、ドッキングプロセスを合理化しました。さらに、ドッキングモジュールへの修正により、ポーズ生成能力を強化しました。従来のサンプリング/生成手法とのギャップを埋めるために、単純かつ効果的なサンプリング技術と信頼度モデルを取り入れました。これはFABindの回帰フレームワークに対して微調整のみが必要です。実験結果および分析から、FABind+が元のFABindを著しく上回り、最先端の性能と競合し、洞察力のあるモデリング戦略を提供することが明らかになりました。これはFABind+が分子ドッキングおよび薬物発見において大きな前進であることを示しています。私たちのコードは以下のURLで公開されています: https://github.com/QizhiPei/FABind。科技/学术术语处理:molecular docking → 分子ドッキングdrug discovery → 薬物発見sampling → サンプリングsimulation → シミュレーションdeep learning-based approaches → 深層学習を基盤とするアプローチpose generation capabilities → ポーズ生成能力regression framework → 回帰フレームワーク人名/机构名称处理:FABind → FABind(そのまま)Qizhi Pei → 平崎啓志(音訳)译文优化:确保专业术语的准确性。采用正式且客观的表达方式。优化句子结构,使其更符合日语的阅读习惯。避免生硬直译,使译文更加自然流畅。