Deskripsi
EquiBind adalah model deep learning geometris SE(3)-equivariant mutakhir yang dirancang untuk prediksi cepat struktur ikatan protein-ligan 3D. Model ini unggul dalam melakukan prediksi langsung (direct-shot), yang berarti model ini dapat secara bersamaan menentukan lokasi ikatan pada protein (blind docking) dan pose serta orientasi molekul ligan kecil yang tepat dalam situs ikatan tersebut.
Baca Selengkapnya
Pendekatan ini memanfaatkan prinsip-prinsip deep learning geometris untuk mencapai percepatan yang signifikan dibandingkan dengan metode docking konvensional dan bahkan baseline yang lebih baru. Arsitektur model dibangun untuk menangani kompleksitas interaksi molekuler dalam tiga dimensi, menjadikannya alat yang ampuh bagi para peneliti dalam kimia komputasi dan biologi struktural.
EquiBind sangat berharga untuk mempercepat alur kerja penemuan obat. Dengan memberikan prediksi pose ikatan yang cepat dan akurat, model ini memungkinkan peneliti untuk menyaring kandidat obat potensial dengan lebih efisien dan mendapatkan wawasan yang lebih dalam tentang interaksi molekuler. Model ini dapat memprediksi struktur ikatan untuk pasangan protein-ligan yang disediakan pengguna, yang memerlukan format file input spesifik untuk ligan dan reseptor.
Proyek ini menyediakan instruksi yang jelas untuk menyiapkan lingkungan, termasuk opsi untuk GPU yang mendukung CUDA atau pengaturan CPU saja. Pengguna kemudian dapat menjalankan inferensi menggunakan bobot model yang disediakan atau melatih model mereka sendiri. Outputnya mencakup struktur ikatan yang diprediksi dalam format SDF dan prediksi tensor untuk analisis lebih lanjut. Proyek ini juga merujuk pada DiffDock, model penerus yang lebih meningkatkan kemampuan EquiBind.
EquiBind bersifat open-source dan tersedia di GitHub, mendorong kolaborasi dan pengembangan lebih lanjut dalam komunitas ilmiah. Fokusnya pada kecepatan dan akurasi menjadikannya alat yang sangat diperlukan bagi para peneliti yang bertujuan untuk memahami dan merancang interaksi molekuler.
- KategoriPenemuan Ilmiah & Alat Laboratorium
- Model HargaOpen source
- PenerapanCloud, Di-host sendiri
- PlatformLinux, Windows
Fitur Inti EquiBind
Model deep learning geometris SE(3)-equivariant
Prediksi langsung (direct-shot) struktur ikatan protein-ligan
Memprediksi lokasi ikatan reseptor (blind docking)
Memprediksi pose dan orientasi ligan yang terikat
Mencapai percepatan signifikan dibandingkan baseline tradisional
Mendukung format file ligan .mol2, .sdf, .pdbqt, dan .pdb
Mendukung format file reseptor .pdb
Menyediakan skrip inferensi untuk memprediksi struktur ikatan
Menyertakan skrip untuk melatih model kustom
Menawarkan pengaturan lingkungan untuk GPU CUDA dan konfigurasi CPU saja
Menghasilkan output dalam format .sdf dan file tensor
Memulai dengan EquiBind
Siapkan Lingkungan: Kloning repositori dan buat lingkungan Conda baru menggunakan `environment.yml` atau `environment_cpuonly.yml` yang disediakan.
Siapkan Data Input: Atur file ligan (.mol2, .sdf, .pdbqt, .pdb) dan reseptor (.pdb) ke dalam direktori terstruktur.
Konfigurasi Inferensi: Atur jalur ke folder data input Anda di file konfigurasi `inference.yml`.
Jalankan Prediksi: Eksekusi skrip `inference.py` dengan file konfigurasi yang ditentukan untuk memprediksi struktur ikatan.
Analisis Hasil: Periksa file .sdf yang dihasilkan yang berisi pose ikatan yang diprediksi dan output tensor untuk analisis lebih lanjut.
Kasus Penggunaan EquiBind
- Penemuan Obat
- Biologi Struktural
- Docking Protein-Ligan
- Kimia Komputasi
- Penelitian Bioinformatika
