설명
EquiBind는 3D 단백질-리간드 결합 구조의 신속한 예측을 위해 설계된 최첨단 SE(3)-동변환 기하학적 딥러닝 모델입니다. 직접적인 예측을 수행하는 데 탁월하며, 이는 단백질의 결합 위치(블라인드 도킹)와 해당 결합 부위 내 소분자 리간드의 정확한 포즈 및 방향을 동시에 결정할 수 있음을 의미합니다.
더 읽기
이 접근 방식은 기하학적 딥러닝 원리를 활용하여 기존 도킹 방법 및 최신 기준선에 비해 상당한 속도 향상을 달성합니다. 모델의 아키텍처는 3차원 분자 상호작용의 복잡성을 처리하도록 구축되어 계산 화학 및 구조 생물학 분야의 연구자들에게 강력한 도구가 됩니다.
EquiBind는 신약 개발 파이프라인을 가속화하는 데 특히 가치가 있습니다. 빠르고 정확한 결합 포즈 예측을 제공함으로써 연구자들은 잠재적인 약물 후보를 보다 효율적으로 스크리닝하고 분자 상호작용에 대한 더 깊은 통찰력을 얻을 수 있습니다. 이 모델은 사용자 제공 단백질-리간드 쌍에 대한 결합 구조를 예측할 수 있으며, 리간드와 수용체 모두에 대해 특정 입력 파일 형식이 필요합니다.
이 프로젝트는 CUDA 지원 GPU 또는 CPU 전용 설정을 포함하여 환경 설정을 위한 명확한 지침을 제공합니다. 사용자는 제공된 모델 가중치를 사용하여 추론을 실행하거나 자체 모델을 학습할 수 있습니다. 출력에는 SDF 형식의 예측된 결합 구조와 추가 분석을 위한 텐서 예측이 포함됩니다. 이 프로젝트는 EquiBind의 기능을 더욱 향상시킨 후속 모델인 DiffDock도 참조합니다.
EquiBind는 오픈 소스이며 GitHub에서 사용할 수 있어 과학 커뮤니티 내에서 협업과 추가 개발을 촉진합니다. 속도와 정확성에 중점을 두어 분자 상호작용을 이해하고 설계하려는 연구자들에게 필수적인 도구입니다.
- 카테고리과학적 발견 및 실험실 도구
- 요금제오픈소스
- 배포클라우드, 셀프 호스팅
- 플랫폼Linux, Windows
EquiBind의 핵심 기능
SE(3)-동변환 기하학적 딥러닝 모델
단백질-리간드 결합 구조의 직접 예측
수용체 결합 위치 예측 (블라인드 도킹)
리간드의 결합 포즈 및 방향 예측
기존 기준선 대비 상당한 속도 향상 달성
.mol2, .sdf, .pdbqt, .pdb 리간드 파일 형식 지원
.pdb 수용체 파일 형식 지원
결합 구조 예측을 위한 추론 스크립트 제공
사용자 정의 모델 학습을 위한 스크립트 포함
CUDA GPU 및 CPU 전용 구성에 대한 환경 설정 제공
.sdf 형식 및 텐서 파일로 결과 출력
EquiBind 시작하기
환경 설정: 리포지토리를 클론하고 제공된 `environment.yml` 또는 `environment_cpuonly.yml`을 사용하여 새 Conda 환경을 생성합니다.
입력 데이터 준비: 리간드(.mol2, .sdf, .pdbqt, .pdb) 및 수용체(.pdb) 파일을 구조화된 디렉터리로 구성합니다.
추론 구성: `inference.yml` 구성 파일에서 입력 데이터 폴더 경로를 설정합니다.
예측 실행: 지정된 구성 파일을 사용하여 `inference.py` 스크립트를 실행하여 결합 구조를 예측합니다.
결과 분석: 예측된 결합 포즈가 포함된 생성된 .sdf 파일과 추가 분석을 위한 텐서 출력을 검토합니다.
EquiBind의 사용 사례
- 신약 개발
- 구조 생물학
- 단백질-리간드 도킹
- 계산 화학
- 생물정보학 연구
