简读分享 | 赵晏浠 编辑 | 乔剑博
论文题目
Pocket2Mol: Efficient Molecular Sampling Based on 3D Protein Pockets
论文摘要
近年来,深度生成模型在设计新型药物分子方面取得了巨大成功。通过考虑蛋白质袋的结构,一项新的工作显示了在提高计算机药物设计的特异性和成功率方面的巨大潜力。这种设置在采样新化合物时提出了基本的计算挑战,这些化合物可以满足口袋施加的多个几何约束。以前的采样算法要么在图形空间中采样,要么只考虑原子的 3D 坐标,而忽略其他详细的化学结构,例如键类型和官能团。为了应对这一挑战,作者开发了 Pocket2Mol,这是一个由两个模块组成的 E(3)-等变生成网络:1) 一个新的图神经网络,捕获结合口袋原子之间的空间和键合关系;2) 一种新的高效算法在不依赖 MCMC 的情况下,从易于处理的分布中以口袋表示为条件对新候选药物进行采样。实验结果表明,从 Pocket2Mol 中取样的分子具有明显更好的结合亲和力和其他药物特性,例如药物相似性和合成可及性。
论文链接
https://arxiv.org/pdf/2205.07249.pdf