會員登錄
圖片來源：MIT News, Xinqiang Ding and Bin Zhang
藥物隻有與(yu) 目標蛋白相結合才能發揮作用，而評估這種結合能力是藥物發現和篩選過程中的一個(ge) 關(guan) 鍵障礙。該能力由結合自由能衡量，結合自由能越小，結合能力越大。近日，美國麻省理工學院（MIT）團隊發明了一種新的機器學習(xi) 算法 DeepBAR，可以通過精確、快速計算結合自由能來計算候選藥物與(yu) 其靶點間的結合能力。該算法通過在被稱為(wei) 深度生成模型的機器學習(xi) 框架中部署 Bennett acceptance ratio（BAR，一種幾十年來用於(yu) 計算結合自由能的算法），來削減耗時的中間狀態，並借鑒計算機視覺領域的經驗，使得該算法與(yu) 之前最先進的方法相比，隻需少量時間就能產(chan) 生精確的計算結果。在使用小蛋白類分子的測試中，DeepBAR 計算結合自由能的速度比之前的方法快近 50 倍。研究人員表示，DeepBAR 可以加速新藥研發和蛋白質工程的進步，並計劃提高 DeepBAR 運行大型蛋白質計算的能力。該研究於(yu) 3 月 16 日在《物理化學通訊雜誌》（Journal of Physical Chemistry Letters）發表。（MIT， Journal of Physical Chemistry Letters）
關(guan) 注【深圳科普】微信公眾(zhong) 號，在對話框：
回複【最新活動】，了解近期科普活動
回複【科普行】，了解最新深圳科普行活動
回複【研學營】，了解最新科普研學營
回複【科普課堂】，了解最新科普課堂
回複【科普書(shu) 籍】，了解最新科普書(shu) 籍
回複【團體(ti) 定製】，了解最新團體(ti) 定製活動
回複【科普基地】，了解深圳科普基地詳情
回複【觀鳥星空体育官网入口网站】，學習(xi) 觀鳥相關(guan) 科普星空体育官网入口网站
回複【博物學院】，了解更多博物學院活動詳情
深圳市龍華區玉翠社區高坳新村小廣場
