基于神经子图匹配的PharmacoMatch：高效3D药理图谱筛选
机器学习
2025-03-17 v2 人工智能
定量方法
摘要
筛选库的规模日益增大，构成了开发虚拟筛选方法以进行药物发现的挑战，迫切需要重新评估大数据时代下传统方法的应用。虽然3D药理图谱筛选仍是流行技术，但其应用于非常大的数据集受限于匹配查询药理图谱与数据库分子的计算成本。本研究引入PharmacoMatch，一种基于神经子图匹配的新型对比学习方法。该方法将药理图谱筛选重新解释为近似子图匹配问题，通过在嵌入空间中编码查询-目标关系，实现对构象数据库的高效查询。我们对所学表示进行全面研究，并在零样本设置下评估PharmacoMatch作为预筛选工具。我们表明其运行时间显著缩短，性能指标与现有解决方案相当，为筛选非常大数据集提供了显著的速度提升。
引用
@article{arxiv.2409.06316,
title = {PharmacoMatch: Efficient 3D Pharmacophore Screening via Neural Subgraph Matching},
author = {Daniel Rose and Oliver Wieder and Thomas Seidel and Thierry Langer},
journal= {arXiv preprint arXiv:2409.06316},
year = {2025}
}