基于脱落体素网格的结构驱动药物设计
机器学习
2024-07-03 v2 生物大分子
摘要
我们提出了VoxBind，一种用于3D分子条件化蛋白质结构的新型基于得分的生成模型。我们的ethods将分子表示为3D原子密度网格，并利用3D体素去噪网络进行学习和生成。我们将神经经验贝叶斯正式化（Saremi & Hyvarinen, 2019）扩展到条件设置中，并采用两步 procedure 生成结构条件化的分子：（i）使用所学习的得分函数和非阻尼Langevin MCMC 从高斯平滑的条件分布中采样出带噪声的分子；（ii）使用单步去噪从带噪声的样本中估计干净的分子。与当前最先进的方法相比，我们的模型更易于训练，采样速度显著提升，并在广泛的体内基准测试中取得更好结果——生成的分子更具多样性，分子间夹杂更少，结合蛋白口袋的亲和力更高。代码已公开于 https://github.com/genentech/voxbind/。
引用
@article{arxiv.2405.03961,
title = {Structure-based drug design by denoising voxel grids},
author = {Pedro O. Pinheiro and Arian Jamasb and Omar Mahmood and Vishnu Sresht and Saeed Saremi},
journal= {arXiv preprint arXiv:2405.03961},
year = {2024}
}