基于主动学习引导的多目标抑制剂生成序列到序列变分自编码器
机器学习
2025-06-24 v1 人工智能
生物大分子
摘要
同时优化针对多个治疗靶点的分子化学物质, 仍是药物发现中的深刻挑战, 尤其是由于稀疏奖励和冲突的设计约束。我们提出一种结构化主动学习(AL)范式, 将序列到序列(Seq2Seq)变分自编码器(VAE)集成到迭代循环中, 以平衡分子化学多样性、分子质量和多目标亲和力。在以新冠肺炎三种相关病毒主蛋白酶(SARS-CoV-2, SARS-CoV, MERS-CoV)为目标的概念证研究中, 我们的方法有效地生成了一组结构多样的抗病毒候选抑制剂。我们证明, 在主动学习管道中谨慎安排化学过滤器的时机和位置, 可显著提升有益化学空间的探索, 将稀疏奖励、多目标药物设计问题转化为可访问的计算任务。该框架因此为在复杂多靶点药物学图景中高效导航提供了可通用的路线图。
引用
@article{arxiv.2506.15309,
title = {Active Learning-Guided Seq2Seq Variational Autoencoder for Multi-target Inhibitor Generation},
author = {Júlia Vilalta-Mor and Alexis Molina and Laura Ortega Varga and Isaac Filella-Merce and Victor Guallar},
journal= {arXiv preprint arXiv:2506.15309},
year = {2025}
}
备注
16 pages, 7 figures