基于多视图深度学习分子设计与结构优化加速 SARS-CoV-2 抑制剂发现
机器学习
2022-12-06 v1 生物大分子
摘要
本工作中，我们提出 MEDICO，一种用于分子生成、结构优化及 SARS-CoV-2 抑制剂发现的多视图深度生成模型（Multi-viEw Deep generative model for molecule generation, structural optimization, and the SARS-CoV-2 Inhibator disCOvery）。据我们所知，MEDICO 是首类可生成与目标分子结构相似的分子图的图生成模型，其采用多视图表示学习框架，充分且自适应地从目标分子拓扑与几何中学习全面结构语义。我们表明，在基准比较下，MEDICO 在生成有效、唯一且新颖的分子方面显著优于最先进（SOTA）方法。特别地，我们展示了多视图深度学习模型使我们不仅能生成结构类似于目标分子的分子，还能生成具有期望化学性质的分子，证明了我们的模型在深入探索化学空间方面的强大能力。此外，针对 SARS-CoV-2 主蛋白酶（Mpro）的靶向分子生成案例研究表明，通过将分子对接作为化学先验整合进我们的模型，我们成功生成了具有期望类药性质的 Mpro 新小分子，有望加速新冠肺炎药物的从头设计。进一步，我们将 MEDICO 应用于三种知名 Mpro 抑制剂（N3、11a 与 GC376）的结构优化，其对 Mpro 的结合亲和力提升约 88%，展示了我们的模型在 SARS-CoV-2 感染治疗药物开发中的应用价值。
引用
@article{arxiv.2212.01575,
title = {Multi-view deep learning based molecule design and structural optimization accelerates the SARS-CoV-2 inhibitor discovery},
author = {Chao Pang and Yu Wang and Yi Jiang and Ruheng Wang and Ran Su and Leyi Wei},
journal= {arXiv preprint arXiv:2212.01575},
year = {2022}
}