基于流生成模型的新颖类药分子生成
机器学习
2022-11-15 v1
摘要
利用深度学习方法根据给定的生物分子设计药物，近来已发表许多成功模型。人们通常使用生成模型在给定特定蛋白质的条件下设计新分子。LiGAN 被视为基于卷积神经网络开发的深度学习模型基线。近来，GraphBP 展示了其利用流生成模型结合图神经网络与多层感知机预测新颖“真实”化学物质的能力，其结合亲和力优于传统分子对接方法。然而，所有这些方法都将蛋白质视为刚体，且仅包含与结合相关的极小部分蛋白质。而蛋白质的动力学对药物结合至关重要。基于 GraphBP，我们提出从蛋白质数据库生成更扎实的工作。结果将通过有效性及利用计算化学算法的结合亲和力进行评估。
引用
@article{arxiv.2211.06566,
title = {Innovative Drug-like Molecule Generation from Flow-based Generative Model},
author = {Haotian Zhang and Linxiaoyi Wan},
journal= {arXiv preprint arXiv:2211.06566},
year = {2022}
}