DiffPROTACs是一款基于深度学习的生成器,用于化,准仿真体
Fenglei Li1,2, Qiaoyu Hu3, Yongqi Zhou1,4
1Shanghai Institute for Advanced Immunochemical Studies, ShanghaiTech University, 393 Middle Huaxia Road, Pudong New Area, Shanghai 201210, China.
Briefings in bioinformatics
|August 5, 2024
概括
我们开发了DiffPROTACs,这是一个新的AI扩散模型,使用变压器和图形神经网络来设计PROTAC链接器. 这种工具可以生成具有高有效性的新型PROTAC,从而推进基于片段的药物设计.
科学领域:
- 生物技术和药物发现
- 化学中的人工智能.
- 分子建模分子建模
背景情况:
- 蛋白质溶解向金马 (PROTACs) 提供了一种新的治疗方式,但合理的链接器设计具有挑战性.
- 基于碎片的药物设计 (FBDD) 是PROTAC开发的一个可行的方法.
- 人工智能,特别是扩散模型和变压器,对分子生成有很大的前景.
研究的目的:
- 引入DiffPROTACs,这是一个用于生成PROTAC链接器的新型扩散模型.
- 利用变压器和图形神经网络进行增强的分子生成.
- 为 PROTAC 的研发提供一个有价值的资源.
主要方法:
- 开发了DiffPROTACs,这是一个集成变压器和O(3) 等价图形神经网络的扩散模型.
- 用于节点更新的变压器和用于精制原子坐标的GNN.
- 在传统的FBDD数据集 (ZINC,GEOM) 和定制的PROTACs数据集上训练并验证了模型.
主要成果:
- DiffPROTACs在FBDD数据集上展示了与现有模型相比具有竞争力的性能.
- 在对特定的PROTAC数据集进行微调后,生成的PROTAC的有效率高达93.86%.
- 创建了一个全面的新型 PROTAC 数据库,用于未来的研究.
结论:
- DiffPROTACs代表了人工智能驱动的PROTAC链接器设计的重大进步.
- 该模型能够以高准确度生成有效的PROTAC,这有助于药物发现.
- 提供的数据库和代码允许进一步探索和应用这项技术.
