基于深度学习的基因表达谱生成类革命小分子
机器学习
2025-04-18 v2 人工智能
定量方法
摘要
从基因表达谱生成类革命小分子是药物发现过程中的一个挑战性任务。以往研究的方法主要通过分析分子图或简化分子输入线条系统 (SMILES) 字符串来学习分子结构的语义和语法，但未考虑由基因和蛋白质组成的生物系统的药物响应。在本研究中，我们提出了一种混合神经网络HNN2Mol，利用基因表达谱生成针对任意目标蛋白具有理想表型的分子结构。在算法中，采用变分自编码器作为特征提取器，以学习基因表达谱的潜在特征分布。随后，采用长短期记忆网络作为化学生成器，以产生满足特征提取器提取的特征条件的语法正确的SMILES字符串。实验结果和案例研究表明，所提出的HNN2Mol模型能够产生具有潜在生物活性和药物属性的新型分子。
关键词
引用
@article{arxiv.2412.19422,
title = {De Novo Generation of Hit-like Molecules from Gene Expression Profiles via Deep Learning},
author = {Chen Li and Yoshihiro Yamanishi},
journal= {arXiv preprint arXiv:2412.19422},
year = {2025}
}