2022年6月,浙江大學(xué)藥學(xué)院&智能創(chuàng)新藥物研究院侯廷軍團(tuán)隊、中南大學(xué)曹東升團(tuán)隊、華東理工大學(xué)李洪林團(tuán)隊聯(lián)合在《藥物化學(xué)雜志》(Journal of Medicinal Chemistry)發(fā)表論文“RELATION: A Deep Generative Model for Structure-based De Novo Drug Design”,提出了一種能夠在分子生成過程中考慮到蛋白-配體相互作用的深度學(xué)習(xí)全新藥物設(shè)計新方法。
為解決目前全新藥物設(shè)計方法采樣的分子無法同時兼顧化學(xué)結(jié)構(gòu)的質(zhì)量和對蛋白親和力,作者同時使用百萬量級的分子庫以及蛋白配體集合數(shù)據(jù)對變分自編碼器進(jìn)行訓(xùn)練,在引入雙向遷移學(xué)習(xí)之后,隱藏層的采樣能夠同時兼顧生成分子的骨架片段的新穎性以及對靶標(biāo)蛋白的親和性。作者在方法中還提供了藥效團(tuán)約束生成以及貝葉斯優(yōu)化采樣等模塊,可定制化生成藥效團(tuán)匹配度更高以及對靶標(biāo)親和力表現(xiàn)更優(yōu)的分子。
圖1 RELATION方法的工作流程圖
在AKT1與CDK2的抑制劑全新設(shè)計的任務(wù)測試中,RELATION模型既能生成有效、新穎且多樣的分子,并且能夠保證生成的分子對靶標(biāo)具有一定的親和力;隨著基于對接打分的BO采樣以及藥效團(tuán)約束模塊用于RELATION模型,RELATION模型能夠使得生成的分子同時具有更好的藥效團(tuán)匹配度和對接表現(xiàn)。結(jié)果表明RELATION模型是一種極具競爭力的深度學(xué)習(xí)全新藥物設(shè)計模型,有望為先導(dǎo)化合物的設(shè)計和發(fā)現(xiàn)提供全新的策略。
浙江大學(xué)藥學(xué)院&智能創(chuàng)新藥物研究院為本論文的第一署名單位,浙江大學(xué)藥學(xué)院博士生王明陽和騰訊量子實(shí)驗室謝昌諭博士為共同第一作者,浙江大學(xué)侯廷軍教授、中南大學(xué)曹東升教授、華東理工大學(xué)李洪林教授為共同通訊作者。
原文鏈接:https://doi.org/10.1021/acs.jmedchem.2c00732
參考資料:http://www.cps.zju.edu.cn/2022/0621/c58891a2596999/page.htm
聲明:化學(xué)加刊發(fā)或者轉(zhuǎn)載此文只是出于傳遞、分享更多信息之目的,并不意味認(rèn)同其觀點(diǎn)或證實(shí)其描述。若有來源標(biāo)注錯誤或侵犯了您的合法權(quán)益,請作者持權(quán)屬證明與本網(wǎng)聯(lián)系,我們將及時更正、刪除,謝謝。 電話:18676881059,郵箱:gongjian@m.yqxsz.com