Notes on AI-enabled drug design, molecular modeling, and scientific platforms.
本文提出了一种基于深度学习的策略，用于高效筛选GluN1/GluN3A受体抑制剂，创新点在于结合序列和复合物评分函数，平衡了筛选效率和准确性。方法上，首先使用序列评分函数从1800万化合物库中筛选出20,000个候选分子，随后采用IGModel和RTMScore两种复合物评分函数进行精确评分，最终通过全细胞电压钳电生理实验验证了活性分子PAT-505，其IC50为2.87±0.80μM。实验...
本文提出了一种名为DockEM的蛋白质-配体对接方法，创新性地利用中低分辨率冷冻电镜密度图进行精确对接。该方法通过局部密度图和物理能量优化，结合REMC模拟，实现了高精度配体定位。实验在DUDE和COACH数据集上进行了测试，结果显示DockEM在121个蛋白质-配体目标上表现优于其他先进对接方法。该方法显著提升了冷冻电镜密度图在虚拟药物筛选中的应用，为药物发现提供了更可靠的框架。
本文提出了一种名为DyRAMO的动态可靠性调整框架，用于在多目标分子设计中避免奖励黑客问题，其创新点在于通过动态调整预测模型的可靠性水平，确保设计的分子在多个目标属性上具有高预测可靠性。方法上，DyRAMO结合了贝叶斯优化和生成模型，通过迭代设置可靠性水平、设计分子和评估结果，实现了多目标优化与预测可靠性的平衡。实验以抗癌药物EGFR抑制剂设计为例，使用了ChemTSv2生成模型和多个预测模...
本文提出了一种基于折叠的端到端药物设计框架Llama-Gram，通过整合蛋白质折叠嵌入、图分子表示和不确定性估计，解决了传统大语言模型在药物设计中的幻觉问题。该方法利用冻结梯度的ESMFold模型和Graph Transformer变体，结合分组查询注意力机制和支持点理论的Gram层，提高了蛋白质-配体相互作用的预测准确性和可靠性。实验在ChEMBL 23、激酶和GPCR数据集上进行，Lla...
本文提出了一种名为CheapVS的新型框架，通过结合偏好多目标贝叶斯优化和扩散对接模型，显著提高了药物发现中虚拟筛选的效率和可靠性。该方法利用化学家的成对偏好反馈，优化多个药物属性（如结合亲和力、溶解度和毒性），从而在有限的计算预算内识别出更多潜在药物。实验在包含10万个化学候选物的EGFR靶点库上进行，结果显示CheapVS在仅扫描6%的库时能够恢复37种已知药物中的16种，优于现有对接方...
本文提出了一种名为KGDRP的知识引导图学习方法，通过整合多模态生物医学数据，显著提升了表型筛选和靶点发现的预测性能。该方法利用异质图神经网络（HGNN）构建生物医学异质图（BioHG），结合基因表达数据、化学分子结构和生物网络信息，解决了药物冷启动问题，并在药物反应预测和靶点发现任务中表现出色。实验使用了GDSC数据集进行药物反应预测，并在COVID-19零样本评估中展示了较高的成功率，结...
本文提出了一种基于多模态数据融合的图对比学习框架（MDFCL），用于分子性质预测，创新点在于结合了分子图和序列结构，设计了自适应数据增强策略，并通过对比学习框架进行预训练。方法上，MDFCL通过图神经网络和卷积网络分别编码分子图和序列数据，利用自适应增强策略生成四种增强样本，并通过对比学习优化模型。实验在13个分子性质预测基准数据集上进行，包括BBBP、Tox21、ClinTox等，结果表明...
本文提出了一种基于SE(3)流匹配的蛋白质构象集合生成模型P2DFlow，通过引入ESMFold预测加扰动的强先验和近似能量机制，显著提升了蛋白质构象集合的预测精度和多样性。该方法利用SE(3)等变流匹配框架，结合ESMFold预测和扰动生成先验分布，并通过引入近似能量维度来区分不同构象，从而有效避免生成不存在的中间态。实验在ATLAS数据集上进行，P2DFlow在有效性、保真度和动力学指标...