北大来鲁华团队顶刊综述: 深度学习引领蛋白-配体相互作用建模革命性突破

本文综述了深度学习技术在蛋白质-配体相互作用建模领域的最新进展。背景方面，传统基于物理原理的计算方法（如分子动力学模拟、分子对接）在药物发现中面临计算成本高、扩展性有限和预测准确性不足等挑战。研究目的旨在系统梳理深度学习如何作为一种强大的数据驱动范式，从多个维度补充和扩展传统方法，以更精确地建模复杂的分子相互作用。结论指出，深度学习通过增强分子动力学模拟、优化分子对接与虚拟筛选、驱动端到端结构建模、赋能基于结构的从头药物设计以及发展基于序列的相互作用建模方法，正引领该领域实现革命性突破，共同推动药物研发范式向更高效、精准的方向重塑。