赫尔姆-GPT:使用生成式预训练变压器 de novo宏环设计
Xiaopeng Xu1,2, Chencheng Xu1,2, Wenjia He1,2
1Computer Science Program, Computer, Electrical and Mathematical Science and Engineering (CEMSE), King Abdullah University of Science and Technology (KAUST), Thuwal 23955-6900, Makkah, Kingdom of Saudi Arabia.
Bioinformatics (Oxford, England)
|June 13, 2024
概括
HELM-GPT是一种新的计算方法,用于设计宏环以向细胞内蛋白质. 这种方法优化了的特性,如细胞透性和结合亲和力,用于潜在的癌症疗法.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 宏环因其结合能力和细胞膜透性而显示出向细胞内蛋白质的治疗潜力.
- 现有的研究重点是宏环作为KRAS等蛋白质的抑制剂,在癌症中至关重要.
- 对于 de novo 宏环设计的计算方法尚未得到充分发展.
研究的目的:
- 引入HELM-GPT,这是一个新的计算方法,用于新的宏环设计.
- 为了证明HELM-GPT能够产生有效的宏环和优化其特性.
- 开发一种策略,共同优化的透性和向结合亲和力.
主要方法:
- 使用了对宏分子 (HELM) 表示的层次编辑语言与生成预训练变压器 (GPT) 模型相结合.
- 使用强化学习 (RL) 进行宏环生成和属性优化.
- 引入了对比的偏好损失和逐步优化策略,以提高性能.
主要成果:
- 赫尔姆-GPT成功生成了具有优化性能的有效宏环.
- 相反的偏好损失改善了RL优化过程.
- 拟议的策略有效地共同优化了的透性和KRAS结合亲和力.
结论:
- 赫尔姆-GPT是一种有效的计算方法,用于新的宏环设计.
- 该方法可以识别针对细胞内蛋白质的新型宏环,包括KRAS.
- 开发的方法对推进癌症治疗有前途.


