机器学习辅助搜索新型凝固剂:当机器学习即使数据可用性较低,也可以有效地进行时
Andrij Rovenchak1,2, Maksym Druchok1,3
1SoftServe, Inc., Lviv, Ukraine.
Journal of computational chemistry
|January 4, 2024
概括
这项研究引入了一种深度学习自编码器,用于生成新药候选药物. 该模型有效地代表了化学空间,有助于发现新的凝固剂并预测抗凝固剂活性.
科学领域:
- 药物的发现和开发.
- 计算化学是一种计算化学.
- 在药理学中的机器学习.
背景情况:
- 设计有效的候选药物需要精确的目标相互作用,副作用最小.
- 数据驱动的方法越来越重要,但针对特定目标的有限的实验数据构成了挑战.
- 由于数据稀缺,现有的方法与蛋白质C (凝血剂) 等点作斗争,而不是血素 (抗凝血剂).
研究的目的:
- 开发一种新的深度学习方法,用于生成潜在的候选药物.
- 为了有效地代表和导航药物发现的化学空间.
- 为了确定新的抑制剂的目标与有限的已知化合物,如蛋白C.
主要方法:
- 开发了一个深度学习的自动编码模型,在SMILES格式的大型分子数据集上进行训练.
- 利用自动编码器绘制化学空间,并生成新的分子结构.
- 应用采样策略提出新的凝血剂候选物,并对抗凝血剂预测进行了测试.
主要成果:
- 通过在化学空间中导航,成功生成了新型凝固剂候选物.
- 证明了该模型能够预测抗凝剂候选者的血栓抑制.
- 将自动编码器方法与另一个深度学习生成模型MegaMolBART进行了比较.
结论:
- 开发的自编码器提供了一种有效的方法来表示化学空间并产生新药候选物.
- 这种方法对在实验数据有限的情况下发现针对目标的抑制剂具有前景.
- 该研究强调了深度学习在加速药物发现方面的潜力,特别是对于尚未探索的目标.
相关概念视频
01:06Coagulation
302
Colloidal solids are solid particles suspended in solution. They are usually negatively charged, attracting a compact primary layer of positively charged ions, which attract more counterions to form an electrical double layer. Electrostatic repulsion between the charged double layers prevents the particles from colliding, stabilizing the colloids. These solids are often undesirable because they can contain toxins that are difficult to remove. Coagulation is a technique that helps aggregate and...
302
01:17Precipitation and Co-precipitation
1.8K
Precipitation and coprecipitation methods can be used to separate a mixture of ions in a solution. In qualitative inorganic analysis, ions that form sparingly soluble precipitates with the same reagent are separated based on the differences in solubility products. For example, consider the separation of Cu(II) and Fe(II) ions by precipitation as insoluble sulfides. First, copper(II) sulfide is precipitated by the addition of acidic H2S, where the dissociation of H2S is suppressed. Adding H2S...
1.8K