三维深度神经网络预测结合能加速结核配体筛选

Berichte aus der medizinischen Informatik und Bioinformatik/Journal of integrative bioinformatics · 2026-09-28 · 期刊论文

• 一句话结论：结论：在InhA这一结核靶点、全柔性受体工作流与精选配体集合内，三维深度神经网络可在对接前预估结合能，与对接趋势呈中等相关，提示其作为预筛选手段具有可行性。
• 研究设计与做法：研究设计与做法：为计算模拟研究，构建全柔性受体模型并生成20000个构象，采用InhA结合口袋静电电荷分布的三维体素表示；训练集为60个ZINC化合物（此前被排序为有前景配体）；无临床干预与对照，随访时长不适用。
• 主要结果：主要结果：模型复现对接趋势的Pearson相关系数接近0.70，Spearman相关系数高于0.66；约25分钟内处理超过150000个受体-配体构象；未报告置信区间与p值。
• 机制或解释：机制或解释：作者的解释是，显式考虑受体柔性会带来难以承受的计算负担，故以深度神经网络作为预过滤机制，在完整全柔性受体集合上开展穷尽对接之前先估计结合能，以减少所需对接模拟次数。
• 局限与边界：局限与边界：材料未报告人群、单中心、随访与利益冲突等信息；适用范围限于精选配体集合与特定全柔性受体工作流，训练集仅60个化合物，相关性为中等水平，未报告外部验证或湿实验验证。
• 可否落地：可否落地：对科研而言，提示该模型可作为特定流程中的预筛选工具以加速抗结核理性药物发现，属「提示」档位；对临床无直接含义，尚不足以下结论，需更大规模与独立数据集验证。

🔗 打开原文

Duncan Dubugras A. Ruiz, Renata De Paris, Christian Vahl Quevedo 等

本文摘自《每日前沿研究简报 · 2026-09-30》「化学信息 / 药物发现」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。