EquiBind data (EquiBind preprocessing of PDBBind v2020)

PDBBind v2020 的蛋白质-配体复合物如论文“EquiBind: Geometric Deep Learning for Drug Binding Structure Prediction”中所述进行预处理，相关代码位于 https://github.com/HannesStark/EquiBind 包含 19119 个 PDBBinds 复合物，共 19433 个蛋白质-配体复合物。不包括那些无法使用 RDKit 加载配体文件的那些。论文摘要：预测类药物分子如何与特定蛋白质靶标结合是药物发现的核心问题。一种极快的计算绑定方法将实现快速虚拟筛选或药物工程等关键应用。现有方法的计算成本很高，因为它们依赖于大量候选采样以及评分、排名和微调步骤。我们用 EQUIBIND 挑战这一范式，这是一种 SE(3) 等变几何深度学习模型，对 i) 受体结合位置（盲对接）和 ii) 配体的结合姿势和方向进行直接预测。与传统和最近的基线相比，EquiBind 实现了显着的加速和更好的质量。此外，当以增加运行时间为代价将其与现有微调技术相结合时，我们展示了额外的改进。最后，我们提出了一种新颖且快速的微调模型，该模型基于与给定输入原子点云的 von Mises 角距离的封闭式全局最小值来调整配体可旋转键的扭转角，避免了以前昂贵的能量差分演化策略最小化。