DP Technology开源Uni-Mol Docking V2：人工智能支持的强大对接引擎

北京，2024年5月22日/美通社/--对接在药物发现的早期阶段至关重要，因为它能够有效地筛选大量化合物库，节省时间和资源。近年来，基于人工智能的方法已经成为分子对接的有前途的替代方法，提供了在不招致高昂计算成本的情况下实现高精度的潜力。推动AI for Science，DP Technology最近开源了其强大的基于AI的Uni-Mol对接v2模型[1]，并将其提供给科学界。Uni-Mol对接v2是在AlphaFold3[2]之前发布的功能强大的对接模型。

人工智能辅助药物发现

对接是一种用于药物发现的计算技术，用于预测小分子(候选药物)与目标蛋白质相互作用的程度。对接在药物发现的早期阶段至关重要，因为它能够有效地筛选大量化合物库，节省时间和资源。在全球范围内，分子对接市场是更广泛的药物发现信息学市场中的一个重要部分，在研发投资增加和制药公司采用先进计算工具的推动下，该市场预计将从2023年的30亿美元增长到2032年的80亿美元[3]。

对接技术已经从传统的基于物理/评分的方法发展到基于高级深度学习/人工智能的方法。最初，对接依赖于物理和化学原理来预测相互作用，使用评分函数基于几何和能量考虑来评估结合亲和力。虽然这些方法是有效的，但它们计算密集，并受到对预定义规则的依赖的限制。深度学习的出现改变了对接，使模型能够直接从数据中学习复杂的分子表示。这些深度学习模型可以捕获以前难以建模的复杂模式和交互作用，从而实现更准确和高效的预测。

Uni-Mol对接v2，基于DP Technology开发的预训练AI模型。在ICLR 2023[4]上发表的Uni-Mol建模系列描述了一般分子编码者的预训练，并展示了它们在各种2D和3D下游任务中的应用，如分子构象生成、分子性质预测和分子对接。Uni-Mol在广泛的任务上取得了最先进的结果，表明它具有推广能力，使其成为分子任务的强大基础模型。

在分子对接方面，与CASF-2016基准中的Autodock VINA等传统对接算法相比，Uni-Mol对接v2利用了预先训练的分子编码器、预先训练的袖珍编码器和联合袖珍配位块，实现了卓越的性能。Uni-Mol对接v2在预测这些结合姿势方面具有更高的准确性，超过77%的配体在2.0Å下实现了RMSD值，超过75%的配体通过了所有质量检查。这标志着与我们之前版本62%的准确率相比有了实质性的飞跃，也使其他已知的开源方法黯然失色。我们已经有效地解决了手性反转和空间碰撞等常见挑战，确保了我们的预测不仅准确，而且在化学上是可行的。

最近，AlphaFold3的引入在科学界引起了广泛的讨论。在这一最新发展中，AlphaFold3扩展了它的功能，可以预测蛋白质-配体对接的姿势。在AlphaFold3关于自然的论文中，Uni-Mol对接v2被作为基准[2]。

致力于开放科学，DP Technology为开源Uni-Mol对接v2模型、代码和数据集而感到自豪，并将它们提供给科学界。我们将继续致力于Uni-Mol对接的未来迭代及其以后的工作，因为我们承诺为全球科学界做出贡献。

DP Technology通过坚定不移地致力于开放科学，致力于推动科学前沿的发展。通过公开共享研究、数据和工具，DP旨在增强全球科学界的能力，加速发现，并推动各个领域取得有意义的进展。民主党对透明度和协作的承诺植根于这样一种信念，即当我们共同努力，打破知识障碍，培养集体进步的文化时，就会出现应对世界挑战的最佳解决方案。

在这一价值的指引下，DP一直积极而显著地为材料科学、药物发现等领域的许多开放科学项目做出贡献。最近，DP Technology很自豪地加入DeepModel社区，推出OpenLAM，朝着开发第一个大型原子模型DP与全球机构合作发布DPA-2，它可以准确地表示不同的化学体系和材料，实现高质量的模拟和预测，与传统方法相比，工作量大大减少[5]。

Access Uni-Mol坞站v2

即用型WebApp：

Github：

纸张：

关于DP技术

DP Technology是“AI for Science”研究范式的全球领导者，AI学习科学原理和数据，然后解决科学研究和工业研发方面的关键挑战。

DP对跨学科研究的承诺导致了DP“粒子宇宙”的创建，这是一系列预先训练的大科学模型，旨在将基础研究与实际工业应用联系起来。DP的软件套件包括Bohrium科学研究空间、Hermite计算药物设计平台、RiDYMO动力学平台和Piloteye电池设计自动化平台。这些平台共同构成了产业创新的坚实基础和科学人工智能的开放生态系统，促进了药物发现、能源、材料科学和信息技术等关键领域的进步。

访问DP技术

参考

[1]

[2]

[3]；

[4]

[5]

源DP技术