利用生成网络复合体进行阿片使用障碍治疗的多目标分子优化
机器学习
2023-06-14 v1 生物大分子
摘要
阿片使用障碍（OUD）已成为一个重大的全球公共卫生问题，其病情复杂且多面。由于针对各种病症缺乏有效的治疗选择，迫切需要有新药物的发现。在本研究中，我们提出了一种深度生成模型，它将基于随机微分方程（SDE）的扩散建模与预训练自编码器模型的潜空间相结合。该分子生成器能够高效生成对多个靶点（特别是 mu、kappa 和 delta 阿片受体）有效的分子。此外，我们评估了生成分子的 ADMET（吸收、分布、代谢、排泄和毒性）性质以识别类药化合物。为增强某些先导化合物的药代动力学性质，我们采用了分子优化方法。我们获得了一组多样的类药分子。我们通过将自编码器嵌入、transformer 嵌入和拓扑 Laplacian 得到的分子指纹与先进机器学习算法相整合，构建了结合亲和力预测器。仍需进一步的实验研究来评估这些类药化合物对 OUD 治疗的药理效应。我们的机器学习平台可作为设计和优化用于应对 OUD 的有效分子的宝贵工具。
引用
@article{arxiv.2306.07484,
title = {Multi-objective Molecular Optimization for Opioid Use Disorder Treatment Using Generative Network Complex},
author = {Hongsong Feng and Rui Wang and Chang-Guo Zhan and Guo-Wei Wei},
journal= {arXiv preprint arXiv:2306.07484},
year = {2023}
}