FragGen:朝着3D几何学可靠的基于碎片的分子生成
Odin Zhang1, Yufei Huang2, Shichen Cheng1
1College of Pharmaceutical Sciences, Zhejiang University Hangzhou 310058 Zhejiang China slcui@zju.edu.cn panpeichen@zju.edu.cn kimhsieh@zju.edu.cn tingjunhou@zju.edu.cn.
Chemical science
|November 21, 2024
概括
FragGen是一种新的碎片智能分子生成方法,可以改善药物发现的3D结构和合成能力. 这种生成人工智能方法是第一个用于基于3D片段的药物设计的验证算法.
科学领域:
- 计算化学是一种计算化学.
- 人工智能在药物发现中的作用
- 分子建模分子建模
背景情况:
- 使用人工智能的基于3D结构的分子生成在药物发现方面显示出前景.
- 原子智能生成模型通常会产生具有较差药物样性质的分子,例如低合成性.
- 碎片智能生成提供了一个替代方案,但与共同设计化学和几何结构作斗争.
研究的目的:
- 开发一种新的碎片智能分子生成方法,解决几何可靠性和分子性质的局限性.
- 在生成模型中引入处理复杂3D几何学的新协议.
- 建立一个经过验证的基于3D片段的药物设计算法.
主要方法:
- 引入了深度几何处理协议,将3D几何分解为可管理的变量.
- 开发了FragGen,一种混合策略,采用六类分类系统来进行碎片智能生成.
- 专注于共同设计可信的化学结构和可靠的3D几何.
主要成果:
- FragGen显著提高了产生的分子的几何质量和合成能力.
- 该方法克服了先前原子智能和碎片智能生成模型的主要局限性.
- 在设计具有纳米分子功率的II型激酶抑制剂方面取得了成功的应用.
结论:
- FragGen是第一个经过验证的基于3D片段的药物设计算法,证明了改进的分子特性.
- 深度几何处理协议和FragGen为以几何为中心的AI任务提供了一个强大的框架.
- 这项工作提供了定制生成性AI用于有效药物设计的实用例子.
