FABind+: 개선된 주머니 예측 및 포즈 생성을 통한 분자 도킹 강화

분자 도킹은 약물 발견 과정에서 중요한 역할을 하는 절차입니다. 전통적인 기술들은 물리 원칙에 기반한 광범위한 샘플링과 시뮬레이션에 의존하지만, 이러한 방법들은 종종 느리고 비용이 많이 듭니다. 딥 러닝 기반 접근법의 등장은 정확성과 효율성 모두를 향상시키는 데 큰 잠재력을 보여주었습니다. 속도와 정확성을 중점으로 설계된 모델 FABind의 기초 연구를 바탕으로, 우리는 성능을 크게 향상시킨 개선된 버전인 FABind+를 소개합니다. 우리는 분자 도킹에서 주머니 예측이 중요한 병목 현상임을 확인하고, 이 문제를 크게 개선하여 도킹 과정을 간소화하는 새로운 방법론을 제안합니다. 또한, 포즈 생성 능력을 향상시키기 위해 도킹 모듈에 수정을 가하였습니다. 전통적인 샘플링/생성 방법과의 격차를 줄이기 위해, 우리는 회귀 프레임워크에 미세 조정만 필요한 단순하면서도 효과적인 샘플링 기술과 신뢰도 모델을 통합하였습니다. 실험 결과 및 분석은 FABind+가 원래 FABind보다 뛰어난 성능을 보이며, 최신 수준의 경쟁력 있는 성능을 달성하고, 유익한 모델링 전략을 제공함을 밝혀냈습니다. 이는 FABind+가 분자 도킹과 약물 발견 분야에서 실질적인 발전을 대표한다는 것을 입증합니다. 우리의 코드는 https://github.com/QizhiPei/FABind 에서 확인할 수 있습니다.