图片来源：MIT News, Xinqiang Ding and Bin Zhang药物只有与目标蛋白相结合才能发挥作用，而评估这种结合能力是药物发现和筛选过程中的一个关键障碍。该能力由结合自由能衡量，结合自由能越小，结合能力越大。近日，美国麻省理工学院（MIT）团队发明了一种新的机器学习算法 DeepBAR，可以通过精确、快速计算结合自由能来计算候选药物与其靶点间的结合能力。该算法通过在被称为深度生成模型的机器学习框架中部署 Bennett acceptance ratio（BAR，一种几十年来用于计算结合自由能的算法），来削减耗时的中间状态，并借鉴计算机视觉领域的经验，使得该算法与之前最先进的方法相比，只需少量时间就能产生精确的计算结果。在使用小蛋白类分子的测试中，DeepBAR 计算结合自由能的速度比之前的方法快近 50 倍。研究人员表示，DeepBAR 可以加速新药研发和蛋白质工程的进步，并计划提高 DeepBAR 运行大型蛋白质计算的能力。该研究于 3 月 16 日在《物理化学通讯杂志》（Journal of Physical Chemistry Letters）发表。（MIT， Journal of Physical Chemistry Letters）
新浪科技公众号
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
