3CL$^{\text{pro}}$ 与 PL$^{\text{pro}}$ 新型潜在抑制剂的自动设计
机器学习
2021-02-01 v2 人工智能
定量方法
摘要
为设计针对 SARS-CoV-1 与 SARS-CoV-2 的新型抑制剂，我们提出通用分子优化框架 Molecular Neural Assay Search (MONAS)，其由三部分组成：识别具有特定期望性质分子的属性预测器、近似给定分子与已知训练分子统计相似度的能量模型，以及分子搜索方法。本工作中，这些组件分别由图神经网络（GNNs）、深度能量估计网络（DEEN）与蒙特卡洛树搜索（MCTS）实例化。该实现用于从探索的 4000 万个分子中识别出 12 万个分子，GNN 判定其可能为 SARS-CoV-1 抑制剂，且同时在统计上接近于用于训练 GNN 的数据集。
引用
@article{arxiv.2101.11890,
title = {Automatic design of novel potential 3CL$^{\text{pro}}$ and PL$^{\text{pro}}$ inhibitors},
author = {Timothy Atkinson and Saeed Saremi and Faustino Gomez and Jonathan Masci},
journal= {arXiv preprint arXiv:2101.11890},
year = {2021}
}