DiffDTM：一种面向双蛋白靶标的无结构条件生成框架用于生物活性分子生成
机器学习
2023-06-27 v1 生物大分子
摘要
深度生成模型的进展为具有期望性质的从头分子生成带来了曙光。然而，面向双蛋白靶标的分子生成仍面临严峻挑战，包括模型训练需要蛋白质三维结构数据、自回归采样，以及对未见靶标的模型泛化问题。在此，我们提出 DiffDTM，一种基于扩散模型的新型无结构条件深度生成模型，用于双靶标分子生成，以解决上述问题。具体而言，DiffDTM 以蛋白质序列和分子图作为输入，而非蛋白质和分子构象，并引入信息融合模块以一次性方式实现条件生成。我们进行了全面的多视角实验，证明 DiffDTM 能够生成针对特定双蛋白的、类药、可合成、新颖且高结合亲和力的分子，在多项评价指标上优于当前最优（SOTA）模型。此外，我们利用 DiffDTM 生成靶向多巴胺受体 D2 和 5-羟色胺受体 1A 的分子作为新型抗精神病药物。实验结果表明，DiffDTM 可轻松接入未见双靶标以生成生物活性分子，解决了训练所需活性分子数据不足以及遇到新靶标需重新训练的问题。
引用
@article{arxiv.2306.13957,
title = {DiffDTM: A conditional structure-free framework for bioactive molecules generation targeted for dual proteins},
author = {Lei Huang and Zheng Yuan and Huihui Yan and Rong Sheng and Linjing Liu and Fuzhou Wang and Weidun Xie and Nanjun Chen and Fei Huang and Songfang Huang and Ka-Chun Wong and Yaoyun Zhang},
journal= {arXiv preprint arXiv:2306.13957},
year = {2023}
}