Large scale prospective evaluation of co-folding across 557 Mac1-ligand complexes and three virtual screens
Diese prospektive Studie bewertet die Leistungsfähigkeit von Deep-Learning-Co-Folding-Methoden wie AlphaFold3, Boltz-2 und Chai-1 an 557 neu bestimmten Mac1-Ligand-Komplexen und drei virtuellen Screens, wobei sich zeigt, dass diese Modelle zwar viele Ligandenposen akkurat vorhersagen, aber konformationelle Änderungen oft nicht erfassen und eine Kombination aus physikbasierten Docking-Scores und KI-gestützten Affinitätsvorhersagen die beste Strategie für das Hit-Prioritizing darstellt.