PulseAugur
中
实时 01:00:10
Deutsch(DE) A Large-Scale Dataset and Benchmark: Do Protein-Ligand Models Learn Binding Sites or Just Binding Likelihood?

新的InteractBind数据集探查蛋白质-配体模型结合位点准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出InteractBind，一个旨在评估计算药物发现中蛋白质-配体模型的新型大规模数据集和基准。该数据集包含约10万个蛋白质-配体对，侧重于评估模型是否能准确地定位结合位点并识别特定的非共价相互作用，而不仅仅是预测一般的结合可能性。对八个现有模型的初步评估显示，虽然它们在预测结合方面表现良好，但其定位结合位点的能力有限，且在不同相互作用类型之间存在显著差异。InteractBind旨在鼓励开发更具可解释性和物理基础的蛋白质-配体模型。 AI

影响 为评估蛋白质-配体模型建立了新的基准，推动药物发现领域实现更高的可解释性和物理基础。

排序理由 该集群包含一篇学术论文，介绍了一个用于评估AI模型的新数据集和基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 Deutsch(DE) · Zhaohan Meng, Zhen Bai, Ke Yuan, Iadh Ounis, Zaiqiao Meng, Hao Xu, Joseph Loscalzo ·

    大规模数据集与基准测试：蛋白质-配体模型学习的是结合位点还是仅结合可能性？

    arXiv:2605.24045v1 Announce Type: cross Abstract: Protein-ligand modeling underpins computational drug discovery and molecular design. Existing protein-ligand benchmarks typically evaluate whether a protein and ligand interact and how strongly they bind, through tasks such as bin…

相关实体

相关话题