药闻热点
Hot news of Medicine

药学院侯廷军课题组在Journal of Medicinal Chemistry报道多目标可合成全新药物设计方法

发布时间:2022/09/12      信息来源:药学院办公网   |   浏览:365


 药物发现是一个漫长而复杂的过程,如何有效地发现和设计满足所需特性的新分子一直以来都是药物发现中亟待解决的难题。基于深度学习(DL)的全新药物设计方法可以通过采用分子生成模型生成具有特定性质的新颖分子,但这些模型会受到实验数据缺乏的影响,且产生分子的骨架多样性较低。如果提升分子生成模型在真实药物设计场景中的精度和效率是当前的研究难点。

  20229月,浙江大学药学院侯廷军教授和谢昌谕教授团队、武汉大学陈曦教授团队、中南大学曹东升教授团队联合在《药物化学杂志》(Journal of Medicinal Chemistry)发表论文“ChemistGA: A Chemical Synthesizable Accessible Molecular Generation Algorithm for Real-World Drug Discovery”,提出了一种生成特定性质的可合成分子生成新方法。在这项研究中,作者将遗传算法(GA)与DL相结合,提出了一种新的算法ChemistGA(及其变体R-ChemistGA),其中DL结合遗传算法重新定义了传统遗传算法中的杂交,并采用了创新的回交操作以提升分子的生成效率。

在单靶点(DRD2)与多靶点(GSK3βJNK3)分子生成任务中,对比现有的传统GADL分子生成模型,ChemistGA 不仅保留了传统GA分子生成算法的优点,而且大大提高了具有所需特性的生成分子的可合成率以及生成效率。ChemistGA在从头分子设计的各项测评指标中(例如合成可及性、新颖性、多样性和最多数量的独特支架)中取得了优异的表现,为生成模型应用于真实药物发现提供了一种全新的策略。

1 ChemistGA方法的工作流程


浙江大学药学院为本论文的第一署名单位,浙江大学药学院和武汉大学计算机学院联培博士生王極可和澳门科技大学中医药学院博士生王晓瑞为共同第一作者,浙江大学侯廷军教授和谢昌谕教授、武汉大学陈曦教授、中南大学曹东升教授为共同通讯作者。


原文链接:https://pubs.acs.org/doi/10.1021/acs.jmedchem.2c01179