中国科学院上海药物研究所郑明月团队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。日前，相关成果在线发表于《自然-方法》。

SurfDock架构图

  ?

理解蛋白-配体相互作用是分子生物学和生物化学的基础，并对基于结构的药物设计至关重要。基于AI技术，科学家能更精准地理解蛋白-配体相互作用，加速药物发现的进程。AI与 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新的途径。

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。该模型将多种蛋白质信息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。

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7个具有新骨架的先导分子。

相关论文信息：

https://www.nature.com/articles/s41592-024-02516-y