利用条件多样性网络加速基于原型的药物发现
机器学习
2018-08-10 v1 机器学习
摘要
设计新药是一个漫长且昂贵的过程。由于潜在分子的空间非常巨大（10^23-10^60），药物发现中的一种常见技术是从已经具有部分所需性质的分子出发。一个跨学科科学家团队对原型所需的改变提出假设。在这项工作中，我们开发了一种算法化的无监督方法，可在给定原型药物的情况下自动生成潜在的药物分子。我们表明，系统生成的分子是有效分子且与原型药物显著不同。在系统生成的化合物中，我们识别出 35 种 FDA 批准的药物。例如，我们的系统生成了异烟肼——结核病的主要药物之一。该系统目前正与制药公司合作部署，以进一步分析额外生成的分子。
引用
@article{arxiv.1804.02668,
title = {Accelerating Prototype-Based Drug Discovery using Conditional Diversity Networks},
author = {Shahar Harel and Kira Radinsky},
journal= {arXiv preprint arXiv:1804.02668},
year = {2018}
}