Описание
EquiBind — это передовая SE(3)-эквивариантная геометрическая модель глубокого обучения, разработанная для быстрого предсказания 3D-структур связывания белок-лиганд. Она отлично справляется с предсказаниями в режиме прямого попадания, что означает возможность одновременного определения места связывания на белке (слепой докинг) и точной позы и ориентации малой молекулы лиганда в этом месте связывания.
Читать далее
Этот подход использует принципы геометрического глубокого обучения для достижения значительного ускорения по сравнению с традиционными методами докинга и даже более новыми базовыми моделями. Архитектура модели построена для обработки сложностей молекулярных взаимодействий в трех измерениях, что делает ее мощным инструментом для исследователей в области вычислительной химии и структурной биологии.
EquiBind особенно ценен для ускорения конвейеров открытия лекарств. Предоставляя быстрые и точные предсказания поз связывания, он позволяет исследователям более эффективно отбирать потенциальные лекарственные кандидаты и получать более глубокое понимание молекулярных взаимодействий. Модель может предсказывать структуры связывания для пар белок-лиганд, предоставленных пользователем, требуя определенных форматов входных файлов как для лиганда, так и для рецептора.
Проект содержит четкие инструкции по настройке среды, включая опции для графических процессоров с поддержкой CUDA или конфигураций только для ЦП. Пользователи могут затем выполнять инференс, используя предоставленные веса модели, или обучать собственные модели. Выходные данные включают предсказанные структуры связывания в формате SDF и тензорные предсказания для дальнейшего анализа. Проект также ссылается на DiffDock, последующую модель, которая еще больше улучшает возможности EquiBind.
EquiBind является открытым исходным кодом и доступен на GitHub, способствуя сотрудничеству и дальнейшему развитию в научном сообществе. Его ориентация на скорость и точность делает его незаменимым инструментом для исследователей, стремящихся понять и спроектировать молекулярные взаимодействия.
- КатегорияНаучные открытия и лабораторные инструменты
- Модель ценообразованияОткрытый код
- РазвёртываниеОблако, На своём сервере
- ПлатформыLinux, Windows
Основные функции EquiBind
SE(3)-эквивариантная геометрическая модель глубокого обучения
Предсказание 3D-структур связывания белок-лиганд в режиме прямого попадания
Предсказывает место связывания рецептора (слепой докинг)
Предсказывает связанную позу и ориентацию лиганда
Достигает значительного ускорения по сравнению с традиционными базовыми моделями
Поддерживает форматы файлов лигандов .mol2, .sdf, .pdbqt и .pdb
Поддерживает форматы файлов рецепторов .pdb
Предоставляет скрипты для инференса для предсказания структур связывания
Включает скрипты для обучения пользовательских моделей
Предлагает настройку среды для GPU с поддержкой CUDA и конфигураций только для ЦП
Выводит результаты в формате .sdf и тензорных файлах
Начало работы с EquiBind
Настройка среды: Клонируйте репозиторий и создайте новую среду Conda, используя предоставленный `environment.yml` или `environment_cpuonly.yml`.
Подготовка входных данных: Организуйте файлы лигандов (.mol2, .sdf, .pdbqt, .pdb) и рецепторов (.pdb) в структурированном каталоге.
Конфигурация инференса: Укажите путь к папке с входными данными в файле конфигурации `inference.yml`.
Запуск предсказания: Выполните скрипт `inference.py` с указанным файлом конфигурации для предсказания структур связывания.
Анализ результатов: Изучите сгенерированные файлы .sdf, содержащие предсказанные позы связывания, и тензорные выходы для дальнейшего анализа.
Варианты использования EquiBind
- Открытие лекарств
- Структурная биология
- Докинг белок-лиганд
- Вычислительная химия
- Исследования в области биоинформатики
