GNINA 论文精读：CNN 打分如何改变传统 Docking

GNINA（McNutt 等, 2021）在 Vina/smina 基础上引入 3D 卷积神经网络（CNN）打分，代表了「用深度学习改进对接打分」的方向。

核心思想

• CNN 打分：把蛋白-配体复合物体素化（voxelize），用在大量复合物上训练的 CNN 评估姿势。
• 采样 + 重打分：用传统方法采样姿势，再用 CNN 重排序。
• 集成多模型：用模型集成提升稳健性。

意义与注意

• 意义：在姿势挑选与富集上常优于纯经验打分。
• 注意：依赖训练数据分布，对新颖体系可能偏差；仍需实验验证。
• 适合作为 Vina 流程的「重打分」插件。

延伸资源

• 源码 github.com/gnina/gnina；教程见 016。