説明
EquiBindは、3Dタンパク質-リガンド結合構造の高速予測のために設計された、最先端のSE(3)-同変幾何学的深層学習モデルです。直接ショット予測を実行することに優れており、これはタンパク質上の結合位置（ブラインドドッキング）と、その結合部位内の低分子リガンドの正確なポーズと配向を同時に決定できることを意味します。
続きを読む
このアプローチは、従来のドッキング手法や、さらに最近のベースラインと比較して大幅な高速化を達成するために、幾何学的深層学習の原理を活用しています。モデルのアーキテクチャは、3次元における分子相互作用の複雑性に対処するように構築されており、計算化学および構造生物学の研究者にとって強力なツールとなっています。
EquiBindは、創薬パイプラインの加速に特に価値があります。高速かつ正確な結合ポーズ予測を提供することで、研究者は潜在的な薬剤候補をより効率的にスクリーニングし、分子相互作用に関するより深い洞察を得ることができます。このモデルは、ユーザー提供のタンパク質-リガンドペアの結合構造を予測でき、リガンドと受容体の両方に特定の入力ファイル形式が必要です。
このプロジェクトでは、CUDA対応GPUまたはCPUのみのセットアップのオプションを含む、環境設定のための明確な指示が提供されています。ユーザーは、提供されたモデルウェイトを使用して推論を実行したり、独自のモデルをトレーニングしたりできます。出力には、SDF形式の予測結合構造と、さらなる分析のためのテンソル予測が含まれます。このプロジェクトは、EquiBindの機能をさらに向上させた後継モデルであるDiffDockも参照しています。
EquiBindはオープンソースであり、GitHubで利用可能であり、科学コミュニティ内での協力とさらなる開発を促進します。速度と精度に焦点を当てているため、分子相互作用を理解し設計することを目指す研究者にとって不可欠なツールとなっています。
- カテゴリー科学的発見・ラボツール
- 料金モデルオープンソース
- デプロイクラウド, セルフホスト
- プラットフォームLinux, Windows
EquiBindの主要機能
SE(3)-同変幾何学的深層学習モデル
タンパク質-リガンド結合構造の直接ショット予測
受容体の結合位置（ブラインドドッキング）を予測
リガンドの結合ポーズと配向を予測
従来のベースラインと比較して大幅な高速化を達成
リガンドファイル形式 .mol2, .sdf, .pdbqt, .pdb をサポート
受容体ファイル形式 .pdb をサポート
結合構造を予測するための推論スクリプトを提供
カスタムモデルをトレーニングするためのスクリプトを含む
CUDA GPUおよびCPUのみの構成用の環境設定を提供
.sdf形式およびテンソルファイルで結果を出力
EquiBindをはじめる
環境設定: リポジトリをクローンし、提供された `environment.yml` または `environment_cpuonly.yml` を使用して新しいConda環境を作成します。
入力データの準備: リガンド（.mol2, .sdf, .pdbqt, .pdb）および受容体（.pdb）ファイルを構造化されたディレクトリに整理します。
推論の設定: `inference.yml` 設定ファイルで入力データフォルダへのパスを設定します。
予測の実行: 指定された設定ファイルで `inference.py` スクリプトを実行して、結合構造を予測します。
結果の分析: 予測された結合ポーズを含む生成された.sdfファイルと、さらなる分析のためのテンソル出力を確認します。
EquiBindの使用例
- 創薬
- 構造生物学
- タンパク質-リガンドドッキング
- 計算化学
- バイオインフォマティクス研究
