Apr, 2024

潜在化学空间搜索用于插件多目标分子生成

PDF
TL;DR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。
molecular generationmachine learningdrug discoveryparticle swarm optimizationmulti-objective generation
发现论文，激发创造
  • 通过潜空间能量建模与逐步分布转移的分子设计

    本文提出了一种生成模型，基于能量模型（EBM）和分子生成模型、性质回归模型生成具有期望化学和生物性质的体小分子，并引入了逐步分布转移采样算法（SGDS），从而在训练的分子数据和性质的基础上，逐步将模型分布转移到具有期望性质的分子区域，取得了很好的实验效果。

    Jun, 2023

  • 使用可解释子结构的多目标分子生成

    该研究提出了一种分子繁殖算法，可以帮助药物开发人员用于发现新的具有指定化学特性轮廓的化合物，提高了生成化合物的准确性、多样性和新颖性。

    Feb, 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

  • 双空间优化：潜在提示变换提升分子序列设计

    通过引入 Dual-Space Optimization (DSO) 方法，结合了潜空间采样和数据空间选择来解决分子设计中的难题，本文提出的生成模型采用潜在提示变换器（LPT）的形式，通过优化过程逐渐实现生成模型和合成数据朝着期望的属性值区域移动，并在单目标、多目标和受限分子设计任务中创造了新的性能基准。

    Feb, 2024

  • 生成模型提出的分子可合成性

    新型深度学习算法在提高新药发现效率方面表现出色，但其缺乏可合成性的信息，导致其合成难度大幅上升，需要新算法的开发来加以解决。

    Feb, 2020

  • 两层扩散和多属性优化：一种生成具有理想特性分子的新方法

    本文介绍了一种生成具有理想属性的分子的新方法，该方法通过在分子和分子片段上执行扩散来获取混合高斯分布，并使用新颖的基于电子效应的分解方法优化多个分子属性，从而在人工智能驱动的药物设计和发现方面具有重要的应用前景。

    Oct, 2023

  • 多目标分子优化在利用生成网络复合物治疗阿片类药物使用障碍中的应用

    本研究提出了一种深度生成模型，利用自编码器模型的潜在空间，结合基于随机微分方程的扩散建模，实现有效生成对多种目标，包括 mu、kappa 和 delta 阿片类受体有效的分子，通过整合自动编码器嵌入分子指纹、变压器嵌入和拓扑拉普拉斯与先进机器学习算法构建亲和力预测器，进一步需进行实验评估，以评估这些类药物化合物在 OUD 治疗中的药理效应，该机器学习平台可作为设计和优化针对 OUD 的有效分子的有价值工具。

    Jun, 2023

  • 基于大型语言模型的化学空间高效进化搜索

    融入大型语言模型的进化算法为分子发现问题的优化提供了一个优越性能的解决方案，通过重新设计进化算法的交叉和变异操作，利用大型化学信息语言模型进行大规模的实证研究，在单目标和多目标环境中，对于性能优化、分子重发现和基于结构的药物设计等多个任务表现出优于基线模型的优越性能，提高了最终解的质量和收敛速度，同时减少了所需的目标评估次数。

    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

  • 基于人口的基因演化的分子自动生成

    通过机器学习和分子模拟进行的自动设计已经表现出生成新的和有前途的新药物候选物的显着能力。本文提出了使用语法进化的一种新的基于群体的方法。在 thymidine 激酶的对接实验中，ChemGE 成功生成了数百个高亲和力的分子，其多样性优于 DUD-E 中已知的分子。

    Apr, 2018