基于语言模型在口袋中生成三维分子
机器学习
2023-12-12 v3 生物大分子
摘要
基于序列线性表示（如 SMILES）或图表示的分子生成模型在基于结构的药物设计领域引起了越来越多的兴趣，但它们难以捕捉重要的三维空间相互作用，并且经常产生不理想的分子结构。为了应对这些挑战，我们引入了 Lingo3DMol，这是一种结合了语言模型和几何深度学习技术的基于口袋的三维分子生成方法。我们开发了一种新的分子表示方法，即带有局部和全局坐标的基于片段的 SMILES，以辅助模型学习分子拓扑结构和原子空间位置。此外，我们训练了一个独立的非共价相互作用预测器，为生成模型提供必要的结合模式信息。Lingo3DMol 能够高效遍历类药化学空间，防止异常结构的形成。使用有用诱饵增强目录（DUD-E）数据集进行了评估。Lingo3DMol 在类药性、合成可及性、口袋结合模式和分子生成速度方面优于 SOTA 方法。
引用
@article{arxiv.2305.10133,
title = {Generation of 3D Molecules in Pockets via Language Model},
author = {Wei Feng and Lvwei Wang and Zaiyun Lin and Yanhao Zhu and Han Wang and Jianqiang Dong and Rong Bai and Huting Wang and Jielong Zhou and Wei Peng and Bo Huang and Wenbiao Zhou},
journal= {arXiv preprint arXiv:2305.10133},
year = {2023}
}