编辑丨王多鱼
排版丨水成文
理解蛋白-配体相互作用是分子生物学和生物化学的基础。从酶催化到信号传导，这些相互作用构成了众多细胞过程的核心。对蛋白-配体相互作用的深入理解对基于结构的药物设计至关重要，研究人员可以据此发现或设计与特定蛋白质结合的配体。
基于人工智能（AI）技术，我们能更精准地理解蛋白-配体相互作用，加速药物发现的进程。人工智能与生命科学的交叉正在改变人类健康和医学研究的格局，为疾病研究和靶向治疗药物开发开辟了新途径。
2024年11月27日，中国科学院上海药物研究所郑明月团队在 Nature Methods 期刊发表了题为：SurfDock is a surface-informed diffusion generative model for reliable and accurate protein–ligand complex prediction 的研究论文。
该研究开发了一种基于生成式AI的蛋白-配体复合物结构预测方法——SurfDock。该方法通过利用蛋白质表面信息构建几何扩散神经网络，高精度自动生成配体结合构象，并已成功应用于基于结构的虚拟筛选。
在这项研究中，研究团队提出了一种新型基于蛋白表面的几何扩散网络——SurfDock，用于生成精准可靠的蛋白-配体复合物构象（图1）。该模型将多种蛋白质信息（包括表面特征、残基结构特征和预训练序列特征）整合到表面节点的表示中，并配备了一个称为SurfScore的内部评分模块，通过对蛋白-配体复合物的训练来评估构象的置信度。图2展示了SurfDock对接的动态过程。
此外，SurfDock还整合了一个可选的基于力场的优化步骤，进一步提升了其性能。这些创新设计使得SurfDock在多个基准测试中展现出优异的对接能力，其生成构象的合理性显著超越了现有的深度学习方法。
值得注意的是，SurfDock能够有效地适应新的蛋白质、口袋和空（apo）结构，即使在处理高度柔性的配体时也表现出色。在实际应用中，研究团队通过针对ALDH1B1的筛选实验证实了SurfDock的实用价值，成功的快速筛选出七个具有新骨架的先导分子。
图1. SurfDock 架构图。a: SurfDock中蛋白质多模态表征示意图。b: SurfDock工作流程概述
https://www.nature.com/articles/s41592-024-02516-y
