基准测试深度图生成模型以优化针对 COVID-19 的新药分子
机器学习
2021-02-10 v1 人工智能
摘要
设计具有目标性质的新药化合物是生成建模中的一个关键研究领域。我们提出了一个基于图生成模型的小型药物分子设计流程，并对两种最先进的图生成模型进行了比较研究，用于设计针对 COVID-19 的药物候选分子：1）基于变分自编码器的方法（VAE），其利用已被证明对早期冠状病毒治疗有效的分子的先验知识；2）深度 Q 学习方法（DQN），其生成优化分子时不带任何邻近约束。我们通过药物-蛋白质结合亲和力模型验证候选分子，来评估自动分子生成方法的新颖性。VAE 方法产生了两个与抗逆转录病毒蛋白酶抑制剂茚地那韦结构相似的新分子，显示出对 SARS-CoV-2 蛋白靶标 3-胰凝乳蛋白酶样蛋白酶（3CL-蛋白酶）的潜在结合亲和力。
引用
@article{arxiv.2102.04977,
title = {Benchmarking Deep Graph Generative Models for Optimizing New Drug Molecules for COVID-19},
author = {Logan Ward and Jenna A. Bilbrey and Sutanay Choudhury and Neeraj Kumar and Ganesh Sivaraman},
journal= {arXiv preprint arXiv:2102.04977},
year = {2021}
}