arXiv | PoseX测试显示AI方法已在分子对接任务上超越物理方法

本文介绍了人工智能在药物研发中蛋白-配体对接任务上的应用。传统方法依赖复杂的物理模型，计算代价高昂且通用性受限。近年来，以DiffDock为代表的AI方法通过扩散模型显著提高了对接的准确性和效率。PoseX是一个由多机构合作开发的综合评估基准，系统比较了22种代表性方法，并引入Relaxation过程提升结构合理性。研究构建了高质量数据集，涵盖718组self-docking与1,312组cross-docking，结果显示AI模型在多个对接任务中已显著超越传统方法。尽管AI模型在空间精度上优势显著，但其生成结构常伴随立体冲突等问题，PoseX团队通过Relaxation后处理流程有效提高结构物理合理性。研究指出，AI共折叠模型在精细姿态判别上仍不及专用对接模型，未来需提升对受体柔性变化的建模能力。