Nat. Commun. 速递：图神经网络预测单个蛋白质结构中隐藏口袋的位置

关键词：图神经网络，蛋白质结构，药物发现

论文题目：Predicting locations of cryptic pockets from single protein structures using the PocketMiner graph neural network

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-023-36699-3

蛋白质结构的波动经常导致隐藏口袋（cryptic pockets）的形成，这些隐藏口袋使得蛋白质中存在许多可以和药物结合的位点，这些位点在实验控制的情况下并不明显。从药物开发的角度来看，瞄准这些神秘的口袋提供了许多吸引人的机会。然而，识别隐藏口袋是一项缓慢且艰巨的工作，需要花费大量人力物力。准确而快速地预测隐藏口袋是否能从结构中形成，以及它们可能在哪里形成，将大大加快对可用药的口袋的搜索。

这篇发表于 Nature Communications 的文章介绍了一个经过训练的图神经网络，PocketMiner，用于预测在分子动力学模拟中口袋可能打开的位置。将 PocketMiner 应用于实验确认过的39个新隐藏口袋数据集的单个结构，证明了它准确识别隐藏口袋（ROC-AUC: 0.87）的速度比现有方法快1000倍。作者在整个人类蛋白质组中应用 PocketMiner，预测的口袋在模拟中打开了。这表明根据现有结构被认为缺乏口袋的一半以上的蛋白质可能包含隐藏的口袋，极大地扩展了潜在的可用药的蛋白质组。