3D-SMGE:一个基于支架的分子生成和评估管道
Chao Xu1, Runduo Liu2, Shuheng Huang1
1Key Laboratory of Tropical Biological Resources of Ministry of Education, School of Pharmaceutical Sciences, Hainan University, Haikou 570228, Hainan, P.R. China.
Briefings in bioinformatics
|September 27, 2023
概括
本研究介绍了3D-SMGE,这是一种用于设计3D分子和预测ADMET属性的新型深度生成模型. 它通过从支架上生成有效的,类似药物的分子并提高预测准确性来加速药物发现.
科学领域:
- 计算化学是一种计算化学.
- 药物发现 药物发现
- 医学中的人工智能
背景情况:
- 药物发现需要优化分子结构以适应生物活性和ADMET特性.
- 目前的深度生成模型在有效的3D分子特征提取中扎,以产生类似药物的分子.
- 现有的ADMET预测模型经常使用单个模型,限制了准确性.
研究的目的:
- 开发一种有效的基于基架的分子生成和药物发现评估框架.
- 为了加速药物发现中的结构优化过程.
- 为了提高ADMET财产预测的准确性.
主要方法:
- 提出3D-SMG,这是一个深度生成模型,用于端到端的3D分子设计.
- 开发了交叉聚合的连续波卷积 (ca-cfconv) 以实现高效的3D空间特征提取.
- 实施了适应数据的多模型方法,用于ADMET物业预测.
主要成果:
- 3D-SMG生成了具有高药物相似性的有效,独特和新型分子.
- 多模型ADMET预测方法在27个基准数据集中的24个中取得了优异或竞争性结果.
- 3D-SMGE框架有效地从支架上生成分子并预测ADMET属性.
结论:
- 3D-SMGE为基于支架的分子生成和ADMET属性预测提供了一个强大的工具.
- 这种框架可以显著加快击中到的结构优化.
- 提出的方法提高了药物发现管道的效率和准确性.
