高招云直播
客服
西电新闻网讯近日，计算机科学与技术学院西安市计算生物信息学重点实验室高琳教授团队李朋勇副教授在人工智能辅助药物研发领域取得重要突破。该团队受DNA编码化合物技术启发，提出了一种基于分子砌块的配体生成深度学习方法，可根据目标蛋白质序列生成可合成、高类药的配体分子，同时实现精确的属性控制。这一成果发表在领域顶尖期刊《Nature Computational Science》，题为“A deep learning approach for rational ligand generation with toxicity control via reactive building blocks”。论文第一单位为西安电子科技大学，第一作者为计算机科学与技术学院李朋勇副教授。 论文封面与DeepBlock示意图 近年来，人工智能技术，特别是深度学习模型，已在药物设计领域引起了广泛关注。然而，由于化学空间的复杂性，现有方法难以精确捕捉合理的药物分子模式，导致生成的药物常面临合成难度大、毒性高等问题。如何性质可控地设计出合理的药物分子，仍是当前亟待解决的挑战。 受DNA编码文库（DEL）技术的启发，研究团队提出了一种新的深度学习方法DeepBlock，该方法针对靶标蛋白序列，基于分子砌块生成配体，利用分子砌块的可反应性保障生成分子的可合成性，并提出靶点感知的分子优化方法控制生成分子的毒性。实验结果表明，DeepBlock生成配体的可合成比例得到大幅度提升，在保持高亲和力的同时具备更高的类药性和分子合理性。此外，在保证与靶标蛋白的高亲和力下，能生成出更低毒性的配体。 基金委报道研究成果 该研究提出的分子片段化与重建算法、药物分子生成算法以及药物优化方法，不仅为解决合成难度和毒性控制等实际问题提供了创新的解决方案，也为药物设计提供了全新的思路，为药物的安全性和有效性提供了有力保障。 国家自然科学基金委员会报道了该成果。此外，希腊雅典国立卡波季斯特里安大学、美国纽约IntelligenciaInc、英国邓迪大学Ninewells医院的Orestis A.Ntintas、TheodorosDaglis和Vassilis G.Gorgoulis在《Nature Computational Science》上对该工作发表了评论文章，评论指出DeepBlock这样的方法可以作为实现精准医学的重要基石，与其他平台结合使用，有望推动分子控制和配体生成的进一步发展，为药物再利用和药物设计的未来提供助力。 责任编辑：冯毓璇
沪公网安备
31011302004820号