L8 · 24 دقيقة
Smina وGnina
تقييم تجريبي مقابل شبكة طيّ.
أهداف التعلّم
- وضع Smina كامتداد empirical لـ Vina، وGnina كطبقة CNN فوق بحث مشابه.
- تمييز CNN pose score عن affinity score وعن درجة Vina.
- التحذير من تعلّم الهيكل بدل فيزياء الجيب.
من Vina إلى CNN
Smina فرع من Vina يفتح الدالة empirical للتخصيص (بما في ذلك دوال مثل Vinardo) مع بحث مشابه. Gnina يبني على هذا المسار ويُقيّم الهيئات بشبكة طيّ ثلاثية الأبعاد على تمثيل كثافة ذرية للمعقد. الناتج عملياً أكثر من رقم: درجة دالّة كلاسيكية، وCNN pose score (هل الهيئة تشبه معقدات التدريب هندسياً؟)، وأحياناً تقدير «affinity» متعلَّم. هذه ليست ثلاثة قياسات لـ ΔG؛ هي ثلاث نظرات لنموذج. الخطر الخاص بـ ML: الشبكة قد تتعرّف على كيمياء رأتها في PDB (كيناز + quinazoline) وتُكافئها حتى في جيب لا يدعم التفاعل.
| Smina / empirical | Gnina CNN | |
|---|---|---|
| الشكل | مجموع ميزات موزونة يقرأها الكيميائي. | دالة غير خطية على خريطة كثافة. |
| الفشل الصريح | H-bond مستحيل يظهر في الهندسة إن نظرت. | درجة عالية لهيئة «تشبه التدريب» بلا تفاعل حقيقي. |
| خارج التوزيع | ينهار بلطف عبر أوزان لا تناسب العائلة. | قد ينهار بثقة عالية. |
PDB 2ITY · IRE
2ITY: EGFR مع gefitinib (IRE). كيمياء quinazoline مألوفة جداً لشبكات دُرّبت على PDB. درجة CNN عالية هنا لا تُعمَّم تلقائياً على هدف غير كيناز بنفس الهيكل.
لماذا؟ — لماذا لا يكفي أن «CNN أدق في معيار عام» لتبنّيها على هدفك؟
المعايير العامة تُعيد توزيع معقدات PDB: نفس العائلات، نفس الانحياز. هدفك قد يكون خارج ذلك التوزيع (موقع تفارغي جديد، ليغند مشحون جداً، معدن). الدقة المتوسطة على معيار ليست دقة شرطية على عائلتك. تحتاج redocking محلي، ويفضّل actives/decoys من نفس الهدف إن وُجدت.
ماذا لو؟ — ماذا لو رتّبت المكتبة بـ CNN affinity واكتشفت أن أعلى 50 مركباً كلها نفس الـ scaffold الموجود بكثرة في PDB؟
هذا نمط تعلّم هيكل حتى يثبت العكس. افحص التنوّع (Bemis–Murcko)، وقارن بترتيب empirical، وأسقط التكرار قبل أن تُسمّيه إثراءً. الإثراء الحقيقي يُظهر كيمياء متعددة تدعم نفس الفيزياء.
تمرين
CNN pose score مرتفع، درجة empirical متوسطة، والعين ترى اصطداماً steric واضحاً مع سلسلة جانبية. ماذا تُصدّق ولماذا؟
مواضيع مرتبطة