基于结构的药物设计基准：3D方法真的占主导地位吗？
机器学习
2024-06-06 v1 人工智能
定量方法
摘要
目前，基于结构的药物设计领域主要由三种算法主导：基于搜索的算法、深度生成模型和强化学习。虽然现有工作通常侧重于比较单一算法类别内的模型，但跨算法比较仍然很少。在本文中，为填补这一空白，我们建立了一个基准，通过评估生成分子的药物性质及其与指定靶标蛋白的对接亲和力，来评估跨越这些不同算法基础的十六个模型的性能。我们强调了每种算法方法的独特优势，并为未来SBDD模型的设计提供了建议。我们强调，通过将对接函数视为黑盒预言机，一维/二维以配体为中心的药物设计方法可用于SBDD，而这通常被忽视。实证结果表明，与显式使用靶标蛋白三维结构的基于3D的方法相比，一维/二维方法取得了具有竞争力的性能。此外，AutoGrow4，一种基于二维分子图的遗传算法，在优化能力方面主导了SBDD。相关代码可在https://github.com/zkysfls/2024-sbdd-benchmark获取。
引用
@article{arxiv.2406.03403,
title = {Structure-based Drug Design Benchmark: Do 3D Methods Really Dominate?},
author = {Kangyu Zheng and Yingzhou Lu and Zaixi Zhang and Zhongwei Wan and Yao Ma and Marinka Zitnik and Tianfan Fu},
journal= {arXiv preprint arXiv:2406.03403},
year = {2024}
}