PulseAugur
中
实时 11:01:22

EquiPocket: E(3)-equivariant GNN advances protein binding site prediction

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇研究论文介绍了一种名为 EquiPocket 的 E(3)-equi-variant 图神经网络，用于预测蛋白质结合位点，这是药物发现中的关键一步。与难以处理不规则蛋白质结构和旋转敏感性的传统 3D CNN 方法不同，EquiPocket 利用几何信息和 equi-variant 消息传递来更有效地模拟化学和空间结构。所提出的模型还包含一个密集注意力输出层，以处理蛋白质大小的变化，在基准数据集上的表现优于现有最先进的方法。 AI

影响 这种新颖的 GNN 架构可以通过提高蛋白质结合位点预测的准确性和效率来改进药物发现。

排序理由 该集群包含一篇详细介绍用于科学任务的新模型的 ist-paper。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

EquiPocket: E(3)-equivariant GNN advances protein binding site prediction

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yang Zhang, Zhewei Wei, Ye Yuan, Chongxuan Li, Wenbing Huang ·

    EquiPocket: 一种用于配体结合位点预测的 E(3)-等变几何图神经网络

    arXiv:2302.12177v4 Announce Type: replace-cross Abstract: Predicting the binding sites of target proteins plays a fundamental role in drug discovery. Most existing deep-learning methods consider a protein as a 3D image by spatially clustering its atoms into voxels and then feed t…

相关实体

相关话题