ShallowBench: новый тест для ИИ в разработке лекарств от сложных раковых мишеней
Генеративные модели искусственного интеллекта добились значительных успехов в дизайне лекарств на основе структуры, однако они в основном полагаются на глубокие связывающие карманы. Для мелководных мишеней, таких как известные онкологические белки KRAS и MYC, которые исторически считались неподдающимися лечению, эти модели работают неэффективно.
Чтобы восполнить этот пробел, исследователи создали ShallowBench — строго отобранный бенчмарк из 5780 мелководных карманов, извлечённых из базы CrossDocked2020. Метод основан на вычислении разницы между объёмом так называемой крышки Alpha Shape и объёмом вокселей атомов белка, что позволило изолировать мишени с низкой вогнутостью при сохранении достаточной площади поверхности для связывания.
В ходе тестирования нескольких современных генеративных моделей было обнаружено, что они показывают более слабую прогнозируемую аффинность связывания на таких поверхностях. ShallowBench, таким образом, предоставляет строгий тест для моделей генеративной биологии и подчёркивает необходимость новых архитектурных инноваций или функций потерь, способных работать с трудными мишенями.
Результаты особенно важны для онкологии, где многие белки имеют мелководные карманы, что делает их сложными для традиционных подходов. Авторы надеются, что бенчмарк стимулирует разработку более эффективных алгоритмов для поиска лигандов.
Работа опубликована на сервере препринтов arXiv и ещё не прошла рецензирование, но уже привлекла внимание специалистов в области вычислительной биологии и машинного обучения.
