TCM-navigator是一个基于深度学习的工作流,用于生成和评估用于药物开发的传统中医类化合物

科学领域:

• 计算化学是一种计算化学.
• 药物发现 药物发现
• 生物信息学是一种生物信息学.

背景情况:

• 传统中医 (TCM) 是药物发现的丰富来源,但数据限制和复杂的网络阻碍了查.
• 手动选TCM化合物是低效的,耗时的,资源密集的.

研究的目的:

• 开发一个数据驱动的,基于深度学习的工作流程 (TCM导航器) 用于in-silico生成,质量控制和评估TCM类分子.
• 克服TCM数据可用性,网络复杂性和数据表示性方面的挑战,以实现高效的药物发现.

主要方法:

• 利用TCM-Generator,一种转移学习和长短期记忆 (LSTM) 模型,用于标准化分子生成.
• 采用TCM-Identifier, AttentiveFP框架与传递信息的神经网络,用于TCM特定的质量控制.
• 产生了大规模的,非特定目标数据集,包括370万个TCM类分子和特定目标数据集.

主要成果:

• 产生了超过370万个标准化的TCM类分子,超过现有数据集的100倍.
• 创建了针对特定目标的数据集,并确定了用于药物开发的高潜力目标-连接体对.
• 开发了TCM-Identifier,这是一个用于TCM特征评估的新型定量模型.

结论:

• TCM导航器提供了一种高效的,数据驱动的方法,以加速基于TCM的药物发现和分子设计.
• 工作流的适应性框架支持跨学科的创新超越药物开发.
• TCM-Identifier是评估和指导TCM相关药物开发工作的关键工具.