التعلم العميق يكسر التحام البروتيني المعدني—نقطة عمياء في اكتشاف الأدوية البروتينات المعدنية موجودة في كل مكان في علم الأحياء — ماتصفوفية ميتالوبروتينات في السرطان، وفائق أكسيداز ديسيموز في التنكس العصبي، والإندونوكلياز في تكاثر الفيروس. هم أهداف أدوية مهمة، ومع ذلك تكافح أدوات الحوسبة معهم. المشكلة: أيونات المعادن تتبنى هندسات تنسيقية متنوعة مع تفضيلات ربط مرنة وتأثيرات استقطاب قوية لا تستطيع دوال التسجيل التقليدية التقاطها. معظم أدوات الالتحام إما تتجاهل المعادن تماما أو تقتصر على أنظمة الزنك فقط. قدم هوي تشانغ والمؤلفون المشاركون MetalloDock، أول إطار عمل للالتحام العميق تم بناؤه خصيصا للبروتينات المعدنية. الابتكار الرئيسي هو استراتيجية توليد ذاتي الانحدار تبدأ من مركز المعدن، حيث تتنبأ أولا بأي ذرة ليغاند تنسق مع المعدن (الذرة المانحة)، ثم تبني بقية الجزيء للخارج وفقا للطوبولوجيا التساهمية. تضمن القيود الواعية للفيزياء هندسة تنسيق واقعية في جميع أنحاء اللعبة. في اختبارهم المختار الذي يضم 8,836 مركبا معدني-بروتين-ليغاند يمتد عبر Zn²⁺، Mg²⁺، Ca²⁺، Mn²⁺، Fe²⁺، وCo²⁺، حقق MetalloDock نجاح الالتحام بنسبة 78.6٪—متفوقا على AlphaFold3 وGlide وجميع الطرق الأخرى التي تم اختبارها. يتنبأ بذرات المانحة بدقة 88.9٪ ويعيد إنتاج مسافات التنسيق ضمن 0.12 آنغلوريت من البنى البلورية. الاختبار الحقيقي: التجارب المستقبلية. حدد الفحص الافتراضي ضد PSMA مثبطين جديدين (IC₅₀ = 0.22–0.38 ميكرومولار). أدى التصميم العقلاني الذي يستهدف إندونوكلياز PA الإنفلونزا — وهو إنزيم منغنيز ثنائي النواة — عن مثبطات بحجم IC₅₀ يصل إلى 191 نانومتر. الرسالة: تنسيق المعادن كان نقطة عمياء مستمرة في اكتشاف الأدوية الحاسوبية. من خلال دمج المبادئ السابقة للفيزياء مباشرة في البنية، يمكن للتعلم العميق أخيرا معالجة هذه المشكلة—فتح الميتالوإنزيمات لنفس الفحص عالي الإنتاجية الذي حول الفئات المستهدفة الأخرى. الورقة: