PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.06717v1cs.LG

ShallowBench: 얕은 포켓 표적에 대한 생성형 약물 설계 모델 벤치마킹

ShallowBench: Benchmarking Generative Drug Design Models on Shallow-Pocket Targets

생성형 AI 모델은 구조 기반 약물 설계(structure-based drug design)에서 획기적인 성공을 거두었지만, 주로 깊은 결합 포켓(binding pocket)에 의존하며, 역사적으로 '약물 표적화 불가능(undruggable)'한 암 표적(oncology targets)인 KRAS와 MYC와 같이 다루기 힘든 약물 결합 가능성이 낮은 표적에 대해서는 유효한 리간드(ligand)를 샘플링하는 데 어려움을 겪고 있습니다. 이러한 격차를 해결하기 위해, 우리는 CrossDocked2020에서 추출된 5,780개의 얕은 포켓 표적으로 구성된 엄격하게 선별된 벤치마크인 ShallowBench를 소개합니다. 알파 형상(Alpha Shape) 'lid' 부피와 기저 단백질 원자 복셀(voxel) 부피의 차이를 계산하여, 결합에 필요한 충분한 표면적을 확보하면서도 낮은 오목성(concavity)을 가진 표적을 성공적으로 분리해 냈습니다. 다양한 최첨단 생성형 모델을 평가한 결과, 이러한 오목성이 낮은 인터페이스에서 예측된 결합 친화도(binding affinity)가 더 낮게 나타났습니다. 따라서 ShallowBench는 생성형 생물학 모델을 위한 엄격한 벤치마크를 제공하며, 이러한 도전적인 표적을 탐색할 수 있는 새로운 아키텍처 혁신이나 손실 함수(loss function)의 필요성을 강조합니다.