Oct, 2023

巴雷托优化加速多目标虚拟筛选

PDF
TL;DR在多目标优化问题中，通过使用多目标贝叶斯优化方法，可以减少多属性虚拟筛选的计算成本，并成功地在三个案例研究中展示了 Pareto 优化的优越性。此外，我们使用开发的优化工具搜索了包含四百万种分子的虚拟库，仅探索了该库的 8% 即获得了该库 Pareto 前沿的 100%。这一工作流程和相关开源软件可以减轻分子设计项目的筛选负担，并且与提高结合预测准确性和其他分子特性相关的研究是互补的。
therapeutic moleculesmulti-objective optimizationbinding affinityvirtual screeningligands
发现论文，激发创造
  • 通过基于分子池的主动学习加速高通量虚拟筛选

    本研究探讨使用基于贝叶斯优化技术的代理模型在虚拟筛选过程中的应用，针对蛋白质 - 配体配对数据集进行实验，结果表明通过此模型可显著减少计算成本，并可用于高通量筛选等领域。

    Dec, 2020

  • 针对性治疗设计的潜在分子优化

    针对计算药物发现中的目标分子设计问题，作者们提出了一种新的方法，该方法利用图卷积网络提取目标位点的特征，将离散化的化学物质嵌入到连续潜在空间中，并使用不同可微模型进行药效和配合作用等性质的优化，从而成功发现了具有潜在绑定性的新分子。

    Sep, 2018

  • 大规模预训练提高了基于主动学习的分子虚拟筛选的样本效率

    预训练的基于转换器的语言模型和图神经网络在贝叶斯优化主动学习框架中表现良好，仅通过筛选超大型库中的 0.6％，可以识别到排名前 50000 位化合物的 58.97％，与先前的最先进基准相比提高了 8％，在结构基础和配体基础药物发现中具有卓越的性能，可提高基于主动学习的分子虚拟筛选的准确性和样本效率。

    Sep, 2023

  • PharmacoNet：药理网络：通过药效团建模加速基于结构的虚拟筛选

    PharmacoNet 是一种深度学习框架，通过与生成的药效团配位体之间的粗粒化图形匹配，解决了现有方法中昂贵的配位体姿态采样和评分过程，从而显著提高了结构基准方法的速度，同时通过简单的评分函数保持了合理的准确性，并在严格的预筛选阈值下有效保留了命中候选物，揭示了药效团建模方法在基于深度学习的药物发现中迄今未被开发的潜力。

    Oct, 2023

  • Bioptic - 一种基于疗效的无偏向目标的小分子搜索引擎

    通过开发目标不确定、以效能为基础的分子搜索模型，我们能在具有类似生物活性的分子中找到结构不相似的分子。我们使用最佳实践设计了一种快速检索系统，通过处理器优化的 SIMD 指令，可以在 100% 的召回率下筛选超大型的 Enamine REAL 化合物库，并对该模型及其他最先进模型进行了广泛的性能和检索质量的基准测试。

    Jun, 2024

  • 抗体亲和力预测的主动学习

    通过活跃学习框架，加速搜索改进的结合剂，探索不同建模方法以识别最有效的代理模型，并在预先计算的数据池和真实的完整循环设置中评估我们的框架。

    Jun, 2024

  • 目标条件 GFlowNets 用于可控多目标分子设计

    本研究采用目标导向的分子生成算法探究多目标优化问题中 Pareto 前沿的整体性，并提出一种去除标量化策略的条件化模型用于均匀探索整个 Pareto 前沿。

    Jun, 2023

  • 帕累托前沿多样化批次多目标贝叶斯优化

    我们提出了一种基于贝叶斯优化的新方法，称为 Pareto front-Diverse Batch Multi-Objective BO (PDBO)，用于解决多目标优化问题，其中我们可以评估一批输入并发现高质量和多样化的 Pareto 前沿。

    Jun, 2024

  • 潜在化学空间搜索用于插件多目标分子生成

    本研究通过开发一种多功能的 “插件” 分子生成模型，结合多个目标相关性、药物相似性和可合成性，来解决多目标生成、模型适应性以及药物发现实际应用中的挑战。在药物发现的背景下，我们改进了粒子群优化算法（PSO），通过比较实验发现 PSO-ENP 是多目标分子生成和优化的最佳变体。该模型还整合了一种新颖的目标配体亲和力预测器，通过支持三维信息和改善合成可行性来提高模型的效用。实例研究聚焦于生成和优化类似药物的大型海洋天然产物，突显了 PSO-ENP 的有效性，并展示了其在实际药物发现应用中的巨大潜力。

    Apr, 2024

  • 元模型改进的配体 - 蛋白结合亲和力预测

    通过整合发布的经验结构基于对接和序列基于深度学习模型，我们开发了一个元建模框架，多个元模型在结合输入特征多样性的情况下，显著提高了结合亲和力预测的准确性，从而节省了找药物的时间和费用。

    Oct, 2023