Nat. Commun. | 具有深度交互组学习的未来全新药物设计

文章预览

今天为大家介绍的是来自Gisbert Schneider团队的一篇论文。从头设计药物旨在从零开始生成具有特定化学和药理性质的分子。作者提出了一种利用基于相互作用组的深度学习的计算方法用于基于配体和结构的药物样分子的生成。这种方法同时利用了图神经网络和化学语言模型的独特优势，无需针对特定应用进行强化学习、迁移学习或少样本学习。它能够实现“零样本”构建定制的化合物库，这些化合物库具有特定的生物活性、可合成性和结构新颖性。为了积极评估基于蛋白质结构的药物设计的深度相互作用学习框架，作者生成了针对人类过氧化物酶体增殖激活受体（PPAR）亚型γ的结合位点的潜在新配体。排名靠前的设计被化学合成，并在计算机上、生物物理上和生物化学上进行了表征。作者识别出了强力的PPAR偏激动剂，它们显示出对核受体和非靶标 ………………………………