双PG-DTA:一个大型语言模型驱动的图形神经网络框架,用于增强药物向 afinity 预测和发现新型 CDK9 抑制剂,在 vivo 中表现出抗白血病活性
Yihao Chen1, Jindi Huang1, Cong Liu2,3
1Joint International Research Laboratory of Synthetic Biology and Medicine, Ministry of Education, Guangdong Provincial Key Laboratory of Fermentation and Enzyme Engineering, Guangdong Provincial Engineering and Technology Research Center of Biopharmaceuticals, School of Biology and Biological Engineering, South China University of Technology, Guangzhou, 510006, China.
一个新的框架,DualPG-DTA,使用双语言模型和图形神经网络准确预测药物向相互作用. 它将C1化合物确定为一种强有力的CDK9抑制剂,用于治疗抗Venetoclax的急性髓性白血病.
科学领域:
- 计算化学和药物发现
- 生物信息学和机器学习
- 药理学和瘤学 药理学和瘤学
背景情况:
- 准确预测药物向相互作用对于有效的药物发现至关重要.
- 现有的模型往往缺乏复杂分子相互作用所需的精度.
- 开发用于抗药性癌症的新疗法仍然是一个重大挑战.
研究的目的:
- 引入DualPG-DTA,这是预测药物标结合亲缘关系的一般框架.
- 根据现有的最先进的模型验证框架的性能.
- 确定和描述急性髓性白血病 (AML) 的新型治疗剂.
主要方法:
- 整合了两个预训练的语言模型,用于原子和残留级分子表示.
- 构建由图形神经网络处理的双分子-蛋白质图形,具有动态注意力.
- 通过多模式模块进行亲和力预测,融合了上下文意识的序列级特征.
主要成果:
- 与现有的基准模型相比,DualPG-DTA在所有指标上都表现出卓越的表现.
- 化合物C1被确定为一种具有高亲和力 (IC50 = 1.2 nM) 和选择性的新型CDK9抑制剂.
- 化合物C1在具有良好的药理动力学和安全性特征的抗维尼托克拉克斯耐药AML模型中表现出强大的抗瘤疗效.
结论:
- DualPG-DTA提供了一个统一而准确的框架,用于结合亲和力预测.
- 化合物C1代表了一种有前途的治疗方法,用于克服AML中的Venetoclax耐药性.
- 该研究强调了将先进的人工智能技术整合到药物发现和开发中的潜力.
相关概念视频
Protein Networks
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...
Drug Discovery: Overview
Bioavailability Enhancement: Drug Solubility Enhancement
Bioavailability Enhancement: Drug Permeability Enhancement
Affinity and Avidity
Bioavailability Enhancement: Drug Stability Enhancement and GI Retention


