利用循环神经网络生成用于药物发现的聚焦分子库
神经与进化计算
2017-01-06 v1 人工智能
机器学习
化学物理
机器学习
摘要
在从头药物设计中，计算策略被用于生成对所需生物靶标具有良好亲和力的新分子。在本工作中，我们展示了循环神经网络可以被训练为分子结构的生成模型，类似于自然语言处理中的统计语言模型。我们证明，生成分子的性质与用于训练模型的分子性质具有很好的相关性。为了用对给定生物靶标具有活性的分子丰富分子库，我们提出用已知对该靶标具有活性的小分子集合对模型进行微调。针对金黄色葡萄球菌，该模型重现了药物化学家设计的 6051 个保留测试分子中的 14%；而针对恶性疟原虫（疟疾），它重现了 1240 个测试分子中的 28%。当与评分函数结合使用时，我们的模型可以执行完整的从头药物设计周期，生成大量用于药物发现的新分子。
引用
@article{arxiv.1701.01329,
title = {Generating Focussed Molecule Libraries for Drug Discovery with Recurrent Neural Networks},
author = {Marwin H. S. Segler and Thierry Kogej and Christian Tyrchan and Mark P. Waller},
journal= {arXiv preprint arXiv:1701.01329},
year = {2017}
}
备注
17 pages, 17 figures