高效的从头设计de novo design,是计算机辅助药物发现的重大挑战。近年来,实践结构特异性三维分子生成已经开始出现,但是大多数方法,将目标结构作为条件输入,以偏向分子生成,并且没有完全了解控制结合复合物的分子构象和稳定性的详细原子相互作用。这些细节的省略,导致许多模型难以为各种治疗靶标输出合理的分子。
浙江大学药学院Odin Zhang, Tianyue Wang,康玉Yu Kang, Chang-Yu Hsieh & 侯廷军Tingjun Hou等,在Nature Computational Science上发文,制定了名为SurfGen模型,以一种非常类似于钥匙和锁原理的方式设计分子。SurfGen,主要由两个等变神经网络Geodesic-GNN和Geoatom-GNN组成,分别捕获口袋表面的拓扑相互作用,以及配体原子与表面节点之间的空间相互作用。在许多基准测试中,SurfGen优于其他方法,其对口袋结构的高灵敏度,为突变诱导的耐药性这一棘手问题,提供了基于生成模型的解决方案。Learning on topological surface and geometric structure for 3D molecular generation.图 1:针对COVID-19 靶标 3CL 蛋白生成的分子和随机采样分子。
图2:在真实世界目标上,SurfGen图示。
图3:莽草酸激酶突变体上,条件生成的分子。
Zhang, O., Wang, T., Weng, G. et al. Learning on topological surface and geometric structure for 3D molecular generation. Nat Comput Sci (2023). https://doi.org/10.1038/s43588-023-00530-2https://www.nature.com/articles/s43588-023-00530-2声明:仅代表译者个人观点,小编水平有限,如有不当之处,请在下方留言指正!