May, 2024

ACEGEN：生成化学代理的强化学习方法在药物发现中的应用

PDF
TL;DR近年来，强化学习（RL）作为一种有价值的药物设计工具逐渐崭露头角，为提出和优化具有所需性能的分子提供了潜力。本文介绍了 ACEGEN，一个专门针对生成式药物设计的全面且简化的工具包，使用 TorchRL 构建，后者是一个提供高效和经过深入测试的可重用组件的现代决策库。ACEGEN 为分子设计提供了强大、灵活和高效的平台，我们通过对多种算法进行基准测试和多个药物发现案例研究来验证其有效性。ACEGEN 可通过此 https URL 获得访问。
reinforcement learningdrug designacegengenerative drug designtorchrl
发现论文，激发创造
  • 使用多个 GPT 代理进行强化学习的全新药物设计

    通过引入 MolRL-MGPT 这一具备多个 GPT 代理的强化学习算法，我们提出了一种全新的药物分子生成方式，以促进分子多样性并在设计 SARS-CoV-2 蛋白靶向抑制剂方面展现出良好的成效。

    Dec, 2023

  • 使用强化学习学习如何导航合成可达的化学空间

    本研究提出了一种基于增强学习框架的新型前向合成模型 (PGFS)，可以解决化学分子结构的可合成性和合成路线问题，该模型可以为机器学习的药物设计提供一个有挑战性的基础测试平台。

    Apr, 2020

  • ChemGymRL: 数字化学强化学习的交互式框架

    该研究提供了一个基于 Open AI Gym 模板的高度可定制和开源的 RL 环境，ChemGymRL，以支持在化学发现中训练 RL 代理，通过使用一系列互连的虚拟化学试验台。研究介绍了这些试验台，并在其中训练了一组标准 RL 算法，最后提供了多个标准 RL 方法的性能讨论和比较以及未来工作的发展方向列表作为 ChemGymRL 的远景。

    May, 2023

  • 深度强化学习用于 De-Novo 药物设计

    该论文提出了一种新的计算策略，名为 ReLeaSE（增强学习结构进化），通过深度学习和强化学习的方法，利用生成模型和预测模型生成具有预设属性的新型化合物库，此方法可用于生成具有单一或多个属性的有针对性的化合物库。

    Nov, 2017

  • 通过强化学习进行基于蛋白质靶点特异性支架抑制剂的设计

    本文提出了一种新颖的框架，名为 3D-MolGNN$_{RL}$，结合了强化学习和基于 3D 骨架的深层生成模型，在优化多个特征的同时，通过并行图神经网络模型自动构建具有特定蛋白质活性的靶向分子，以使药物研发中的分子设计更快更高效。

    May, 2022

  • 基于强化学习的可扩展基于碎片的三维分子设计

    本文提出了一种基于强化学习框架的分层代理方法，能够在三维空间中逐步放置分子亚结构，从而高效地学习如何建造具有不同分布的分子，包括药物样分子、有机发光二极管分子和生物分子，只利用能量考虑即可。

    Feb, 2022

  • 深度强化学习的分子全新设计

    本文介绍了一种基于序列的生成模型来设计分子的方法，通过增强情节似然性可以学习生成具有某些指定的理想特性的结构。将模型应用于生成类似物质结构，生成与药物 Celecoxib 类似的分子以及具有活性的化合物。最后，将模型调整为生成预测对多巴胺受体 2 具有活性的化合物，得到了 95% 以上的预测为活性的结构，其中包括实验证实的活性化合物。

    Apr, 2017

  • 通过强化学习对语言模型进行微调以提升精确目标分子生成

    本研究采用创新的全新药物设计策略，利用语言模型的能力为特定蛋白质设计有针对性的药物。我们采用强化学习框架和近端策略优化对模型进行优化，获得生成适用于蛋白质靶点的药物的策略。通过融合药物 - 靶点相互作用和分子有效性的综合奖励函数，我们的方法经过强化学习的微调展现出很大的潜力，在分子有效性、相互作用效果和关键化学特性方面实现了显著的改进，分别达到了 65.37 的药物热似度定量评估（QED）、321.55 的分子量（MW）和 4.47 的辛醇 - 水分配系数 (logP)。此外，在生成的药物中，仅有 0.041% 没有新颖性。

    May, 2024

  • 多性质优化的分子生成对抗网络

    通过引入一种基于演员 - 评论家强化学习的生成对抗网络 (GAN) ，称为 InstGAN，将独特的即时和全球奖励的方法用于在分子级别上进行多属性优化，以解决生成对抗网络和强化学习模型的训练不稳定和高计算成本的挑战，实验证明 InstGAN 在生成具有多属性优化的分子方面优于其他基线模型，并且性能可与最先进的模型相媲美，同时高效地生成分子。

    Mar, 2024

  • ChemGAN 挑战：AI 是否能够重现自然化学多样性为药物开发服务？

    本研究旨在探索生成具有期望化学性质的分子以用于药物研发。通过定量评估内部化学多样性，我们提出了以下挑战：一个 AI 模型是否能够复制所需分子的自然化学多样性？通过考虑强化学习模型及最近推出的 ORGAN 模型，我们发现这一挑战并未被成功解决。我们希望这一挑战可以在相关领域内引起进一步的研究。

    Aug, 2017