通过目标评估,深度学习和自动化实验室来加速命中识别:在IRAK1中进行潜在的验证
Gintautas Kamuntavičius1, Alvaro Prat2, Tanya Paquet3
1AI Chemistry, Ro5, 2801 Gateway Drive, Irving, 75063, TX, USA. gkamuntavicius@ro5.ai.
Journal of cheminformatics
|November 15, 2024
概括
这项研究展示了一个集成的平台,将AI虚拟查和机器人实验室结合起来,以加速药物发现. 该方法成功识别了新型IRAK1抑制剂,提高了成功发现率并降低了成本.
科学领域:
- 药物发现和开发 药物发现和开发
- 计算化学的计算化学
- 生物技术是生物技术.
背景情况:
- 生物医学知识分析,人工智能虚拟查和机器人实验室可以改变药物发现.
- 评估综合方法的前性研究很少.
研究的目的:
- 为未来验证一个集成的平台,用于目标识别和击中发现.
- 评估人工智能驱动的虚拟查和机器人云实验室在早期药物发现中的有效性.
主要方法:
- 整合内部目标评估 (SpectraView) 和深度学习虚拟选 (HydraScreen) 工具.
- 利用自动化机器人云实验室进行超高吞吐量选.
- 雇佣了SpectraView来选择IRAK1作为目标,并前性验证了一个基于结构的深度学习模型.
主要成果:
- 人工智能模型确定了23.8%的IRAK1在排名中前1%的化合物中取得的成功,超过了传统方法.
- 确定了IRAK1的三个强大的 (纳米) 支架,其中两个代表了新型候选者.
- 在虚拟和高通量选中证明了HydraScreen的可靠性和稳定性.
结论:
- 斯佩克特拉视图和HydraScreen显著加快目标识别和击中发现.
- 使用HydraScreen的AI驱动的虚拟选提供了高的命中发现率,并降低了IRAK1.1的实验成本.
- 综合平台加速了早期药物发现过程.
