化学死亡 (ChemMORT):一个使用深度学习和多目标粒子群集优化的自动ADMET优化平台
Jia-Cai Yi1,2, Zi-Yi Yang2, Wen-Tao Zhao1
1School of Computer Science, National University of Defense Technology, Changsha 410073, Hunan, PR China.
Briefings in bioinformatics
|February 22, 2024
概括
这项研究介绍了ChemMORT,这是一个优化药物吸收,分发,新陈代谢,消除和毒性 (ADMET) 特性的平台. 通过改善ADMET配置文件,而不会牺牲疗效,ChemMORT提高了药物发现.
科学领域:
- 计算化学是一种计算化学.
- 药物的发现和开发.
- 药品化学 药品化学 是一个
背景情况:
- 药物发现是昂贵和耗时的,ADMET性能差导致高达50%的失败.
- 优化多个ADMET参数是具有挑战性的,因为巨大的化学空间和有限的专家知识.
研究的目的:
- 开发一个计算平台,ChemMORT,用于同时优化多个ADMET端点.
- 为了确保在ADMET属性优化期间保持药物的效力.
主要方法:
- 化学MORT集成了三个模块:SMILES编码器,描述解码器和分子优化器.
- 在SMILES编码器生成512维的分子向量.
- 描述器解码器重建分子结构,分子优化器使用粒子群优化和反向QSAR原理来改进ADMET属性.
主要成果:
- 化学MORT有效地优化了ADMET的特性,同时保持了生物活性.
- 该平台在涉及多 (ADP-ribose) 聚合酶-1 抑制剂的案例研究中展示了实用性.
结论:
- ChemMORT为改善药物候选人的ADMET配置文件提供了一个有价值的工具.
- 这个平台可以通过解决关键的发展挑战来加速药物发现.


