AI+Drug 文献速递 | Deep-ProBind通过整合序列和结构信息预测蛋白质结合肽

1. Optimizing Absolute Binding Free Energy Calculations for Production Usage

期刊: ChemRxiv 链接: https://doi.org/10.26434/chemrxiv-2025-q08ld

简介: 文章提出对现有绝对结合自由能（ABFE）计算协议的优化方案，以解决大规模药物发现项目中模拟不稳定和收敛性差的问题。研究通过开发新的蛋白-配体构象约束选择算法、优化湮灭协议和调整相互作用缩放顺序来改进ABFE协议。以TYK2、P38等四个蛋白-配体基准系统为研究对象，实验结果表明，优化后的RXRX协议显著降低了自由能结果的方差，均方根误差最多改善0.23 kcal/mol，提高了模拟稳定性和结果可重复性。

2. Deep‑ProBind: binding protein prediction with transformer‑based deep learning model

期刊: BMC Bioinformatics 链接: https://doi.org/10.1186/s12859-025-06101-8 代码: https://github.com/salman-khan-mrd/Deep-ProBind

简介: 该文提出Deep-ProBind模型，通过整合序列和结构信息，利用基于Transformer的注意力机制和进化信息特征，结合SHAP算法选择最优混合特征，并用深度神经网络进行分类，来预测蛋白质结合肽。研究使用来自文献的基准数据集进行实验，经过超参数优化，模型在十折交叉验证中准确率达92.67%，在独立样本中达93.62%，优于现有模型。Deep-ProBind为蛋白质结合肽的预测提供了有效方法，有助于药物研发等领域的研究。

3. NeSyDPP4-QSAR: A Neuro-Symbolic AI Approach for Potent DPP-4 Inhibitor Discovery in Diabetes Treatment

期刊: bioRxiv 链接: https://doi.org/10.1101/2025.03.31.646336 代码: https://github.com/delowerhossain/NeSyDPP4-QSAR

简介: 该论文提出一种基于神经符号人工智能（NeSy）的模型NeSyDPP4-QSAR，用于预测2型糖尿病（T2DM）治疗中DPP-4抑制剂的生物活性，相比传统模型有更高准确性。研究采用逻辑张量网络（LTN），结合多种特征，如描述符、指纹等训练模型，并以深度神经网络（DNN）和Transformer为基线进行对比。实验使用从多个数据库获取的6563条DPP-4相关数据，结果显示，NeSyDPP4-QSAR模型结合CDKextended和Morgan指纹时表现最佳，准确率达0.9725。该研究为发现新型DPP-4抑制剂提供了有效方法。

4. HyDrop v2: Scalable atlas construction for training sequence-to-function models

期刊: bioRxiv 链接: https://doi.org/10.1101/2025.04.02.646792 代码: https://github.com/aertslab/PUMATAC https://github.com/aertslab/CREsted https://github.com/buenrostrolab/scPrinter

简介: 论文介绍了开源微流体系统HyDrop v2，其可低成本生成大规模单细胞染色质可及性测序（scATAC-seq）数据，助力训练序列到功能的深度学习模型。研究通过优化珠子化学和生成方法，提升数据质量和可重复性，并在小鼠皮层和果蝇胚胎上构建图谱，与商业平台数据对比。使用的数据集包括小鼠皮层和果蝇胚胎相关数据。结果表明，HyDrop v2数据质量与商业平台相当，能有效训练模型识别细胞类型特异性增强子和转录因子足迹。该研究为揭示细胞类型特异性调控元件提供了有力支持。

5. Towards Large-scale Chemical Reaction Image Parsing via a Multimodal Large Language Model

期刊: arXiv 链接: https://arxiv.org/abs/2503.08156v1 代码: https://github.com/CYF2000127/RxnIM

简介: 论文提出反应图像多模态大语言模型RxnIM，用于将化学反应图像解析为机器可读数据，其性能优于现有方法。研究通过合成大规模数据集训练模型，采用三阶段训练策略，结合图像和文本信息进行多任务学习。实验使用合成数据集和真实反应图像数据集，对比其他模型评估RxnIM性能。结果显示，RxnIM在反应组件识别任务上平均F1分数达88%，在反应条件解释任务中也表现出色。

6. ToxDL 2.0: Protein toxicity prediction using a pretrained language model and graph neural networks

期刊: Computational and Structural Biotechnology Journal 链接: https://doi.org/10.1016/j.csbj.2025.04.002 代码: https://github.com/shzhulin/ToxDL2

简介: 论文提出ToxDL 2.0模型，整合预训练语言模型和AlphaFold2的进化与结构信息，在蛋白质毒性预测上优于现有方法。研究构建了四个包含不同蛋白质序列的数据集，利用预训练的ESM-2语言模型生成氨基酸嵌入，结合AlphaFold2预测的蛋白质3D结构和Skip-gram模型生成的域嵌入，通过图卷积网络（GCN）模块、域嵌入模块和密集模块进行预测。实验结果显示，ToxDL 2.0在原始测试集和独立测试集上均表现出色，且通过消融实验证明各模块的有效性。

7. A comparison of probabilistic generative frameworks for molecular simulations

期刊: The Journal of Chemical Physics 链接: https://doi.org/10.1063/5.0249683 代码: https://github.com/tiwarylab/model-comparison

简介: 文章对比了神经样条流（NS）、条件流匹配（CFM）和去噪扩散概率模型（DDPM）在分子模拟数据上的表现，为模型选择提供参考。研究采用高斯混合模型和Aib9肽的二面角扭转角分布数据集，通过主成分分析和计算KL散度评估模型准确性，同时考察样本生成速度和模型复杂度。结果表明，CFM在高维低复杂度数据上表现最佳且推理速度最快；DDPM对低维高复杂度的Aib9数据集模拟最准确；NS在估计训练数据中模式间的自由能差异方面表现出色。