PROTAC-Splitter:用于自动识别 PROTAC 子结构的机器学习框架

科学领域:

• 药用化学 医学化学
• 计算化学计算化学
• 药物发现 药物发现 药物发现

背景情况:

• 化向的仿真体 (PROTACs) 是具有治疗潜力的异构生物功能分子.
• 手动注释 PROTAC 组件 (E3 合酶连接体,链接器,弹头) 是具有挑战性和耗时的.
• 需要自动化方法来准确识别和注释 PROTAC 的子结构.

研究的目的:

• 开发和验证PROTAC-Splitter,这是一个用于自动化PROTAC子结构注释的机器学习框架.
• 通过生成和发布注释的PROTACs的大型合成数据集来解决数据稀缺问题.
• 为了比较不同的机器学习模型用于PROTAC注释.

主要方法:

• 开发PROTAC-Splitter,一个机器学习框架.
• 创建一个由130万条注释的PROTAC结构组成的合成数据集.
• 实现基于变压器和基于XGBoost的模型用于亚结构注释.
• 对公共和专有 PROTAC 数据集的评估,包括结构新型化合物.
• 开发一个变压器封装 (变压器-Δ) 来纠正预测错误.

主要成果:

• 变压器模型在公共数据上实现了86%的精确匹配准确度,但在新型结构方面遇到了困难.
• XGBoost模型确保了化学有效性和完美的重新组装,但具有较低的准确匹配精度.
• 变压器-Δ将重组精度提高到96% (公共) 和70% (内部数据集).
• 结合变压器-Δ和XGBoost的混合方法在各种化学空间中展示了强大的注释.

结论:

• PROTAC-Splitter提供了一种可靠且可扩展的解决方案,用于自动化的 PROTAC 分析.
• 混合方法有效地注释了PROTAC,克服了单个模型的局限性.
• 由于PROTAC-Splitter的开源可用性,使其在药物发现中得到更广泛的采用.