PulseAugur
中
实时 08:58:04
English(EN) KEPLA: A Knowledge-Enhanced Deep Learning Framework for Accurate Protein-Ligand Binding Affinity Prediction

新的深度学习框架KEPLA增强了蛋白质-配体结合预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了KEPLA，一个旨在提高预测蛋白质-配体结合亲和力准确性的新型深度学习框架。这是药物发现中的关键一步。与以往仅依赖结构数据的模型不同，KEPLA整合了来自Gene Ontology的生化知识和配体属性。该框架使用两个互补的目标：将全局表示与知识图谱关系对齐，并采用交叉注意力机制进行联合嵌入。实验表明，KEPLA在基准数据集上的表现优于现有方法，并且可解释性分析提供了对其预测机制的见解。 AI

影响 该框架通过提高预测候选药物与靶蛋白结合能力的准确性，有望加速药物发现。

排序理由 该集群是关于一篇详细介绍新深度学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Han Liu, Keyan Ding, Peilin Chen, Yinwei Wei, Liqiang Nie, Dapeng Wu, Shiqi Wang ·

    KEPLA: A Knowledge-Enhanced Deep Learning Framework for Accurate Protein-Ligand Binding Affinity Prediction

    arXiv:2506.13196v5 Announce Type: replace Abstract: Accurate prediction of protein-ligand binding affinity is critical for drug discovery. While recent deep learning approaches have demonstrated promising results, they often rely solely on structural features of proteins and liga…

相关实体

相关话题