Deepsite: protein-binding site predictor using 3D-convolutional neural network

Deepsite: protein-binding site predictor using 3D-convolutional neural network

J. Jumenez, S. Doerr, G. Martinez-Rosell, A. S. Rose and G. De Fabritiis

Intro

提出一个ml的方法，来预测protein中的ligand-binding sites，并且展示如果给定充足的训练数据，这个模型能够获取binding site的特征并由于另外两类算法。

Methods

Descriptor computation and labeling: 将protein结构当作一个三维图形。3D图像被当作1×1×1×$$A^3$$的voxels。然后还定义了几个channel：hydrophobic，aromatic，hydrogen bond acceptor or donor, positive or negative ionizable and metallic。Table 1展示的是protein atom，然后使用Table 2中展示的规则将每一个atom分配到特定的channel。non-protein atom直接被过滤，不予考虑。atom occupancy使用公式（1）定义的pair correlation function进行计算。这定义了每一个atom在每一个voxel中的每一个property／channel的数值；最终每一个voxel的每一个property／channel是由最大的atom pair correlation function决定。相对应的开源包在这个HTMD GitHub repo里。

DCNN architecture and training: 即使用CNN，model的框架在图2，类似VGG。（可以考虑使用ResNet来代替)

使用sliding window进行subgrid sampling。然后是一些参数细节。