論文の概要: PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with conditional generative models

• arxiv url: http://arxiv.org/abs/2005.13285v3
• Date: Mon, 6 Jul 2020 14:44:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 08:29:03.900392
• Title: PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with conditional generative models
• Title（参考訳）: PaccMann$^{RL}$ on SARS-CoV-2:条件生成モデルによる抗ウイルス候補の設計
• Authors: Jannis Born, Matteo Manica, Joris Cadow, Greta Markert, Nil Adell Mill, Modestas Filipavicius, Mar\'ia Rodr\'iguez Mart\'inez
• Abstract要約: 新型コロナウイルス(COVID-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者が、効果的な抗ウイルス治療薬を必死に探している。 タンパク質標的に適合した抗ウイルス候補薬の条件付きデノボ設計のための深層学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.0750380105212116
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the fast development of COVID-19 into a global pandemic, scientists around the globe are desperately searching for effective antiviral therapeutic agents. Bridging systems biology and drug discovery, we propose a deep learning framework for conditional de novo design of antiviral candidate drugs tailored against given protein targets. First, we train a multimodal ligand--protein binding affinity model on predicting affinities of antiviral compounds to target proteins and couple this model with pharmacological toxicity predictors. Exploiting this multi-objective as a reward function of a conditional molecular generator (consisting of two VAEs), we showcase a framework that navigates the chemical space toward regions with more antiviral molecules. Specifically, we explore a challenging setting of generating ligands against unseen protein targets by performing a leave-one-out-cross-validation on 41 SARS-CoV-2-related target proteins. Using deep RL, it is demonstrated that in 35 out of 41 cases, the generation is biased towards sampling more binding ligands, with an average increase of 83% comparing to an unbiased VAE. We present a case-study on a potential Envelope-protein inhibitor and perform a synthetic accessibility assessment of the best generated molecules is performed that resembles a viable roadmap towards a rapid in-vitro evaluation of potential SARS-CoV-2 inhibitors.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者は、効果的な抗ウイルス療法剤を必死に探している。 そこで本研究では,特定のタンパク質標的に対して調整した抗ウイルス候補薬の条件ド・ノボ設計のための深層学習フレームワークを提案する。 まず, 抗ウイルス化合物の標的タンパク質への親和性を予測するためのマルチモーダルリガンド-タンパク質結合親和性モデルを訓練し, このモデルと薬理毒性予測因子を組み合わせる。 この多目的を条件付き分子発生器(2つのvaeからなる)の報酬関数として活用し、より多くの抗ウイルス分子を持つ領域へ化学空間を移動させる枠組みを示す。 具体的には, 41のSARS-CoV-2関連標的タンパク質上で, リガンドを無害なタンパク質標的に対して生成する難易度について検討した。 深部RLを用いて,41例中35例において, 結合リガンドの採取に偏りがみられ, 平均83%の増加がみられた。 そこで本研究では,SARS-CoV-2インヒビターの生体内迅速評価に向けたロードマップに類似した,エンベロープタンパク質阻害剤のケーススタディを行い,最適な生成分子の合成アクセシビリティ評価を行う。

関連論文リスト

• Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
  本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。 本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。 この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-12-16T13:57:41Z)
• Accelerating Inhibitor Discovery for Multiple SARS-CoV-2 Targets with a Single, Sequence-Guided Deep Generative Framework [47.14853881703749]
  我々は、新規な薬物様阻害剤分子の発見に向けた、単一の深層生成機構の広範な有用性を実証する。 このフレームワークは、ターゲット認識設計を行うために、生成モデルから新規分子をターゲットシーケンス条件でサンプリングする。 最も強力なスパイクRBD阻害剤は、SARS-CoV-2変異株に対して幅広いスペクトル活性を有する稀な非共有結合型抗ウイルス剤として出現した。
  論文  参考訳（メタデータ） (2022-04-19T17:59:46Z)
• Improved Drug-target Interaction Prediction with Intermolecular Graph Transformer [98.8319016075089]
  本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。 分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。 IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
  論文  参考訳（メタデータ） (2021-10-14T13:28:02Z)
• Evening the Score: Targeting SARS-CoV-2 Protease Inhibition in Graph Generative Models for Therapeutic Candidates [11.853524110656991]
  SARS-CoV-2ウイルスタンパク質を標的とした新規薬物候補の治療法設計について検討する。 抗SARS活性を持つ薬物のデータセットに類似した構造を持つ分子を生成するオートエンコーダを用いる。 生成過程において、薬物類似性、合成アクセシビリティ、および抗SARS活性のバランスをとるために、いくつかの設計目標に対する最適化を検討する。
  論文  参考訳（メタデータ） (2021-05-07T18:39:25Z)
• High-Throughput Virtual Screening of Small Molecule Inhibitors for SARS-CoV-2 Protein Targets with Deep Fusion Models [3.8075853084146023]
  新型コロナウイルスによる4つのタンパク質構造(SARS-CoV-2)に対して、5億以上の小分子がスクリーニングされた。 SARS-CoV-2タンパク質ターゲットに対する50億以上のドッキングポーズを評価するために、Deep Fusionの3つの強化が行われた。
  論文  参考訳（メタデータ） (2021-04-09T18:18:26Z)
• Designing a Prospective COVID-19 Therapeutic with Reinforcement Learning [50.57291257437373]
  SARS-CoV-2パンデミックは、治療のための世界的なレースを生み出した。 1つのアプローチは、ヒトアンジオテンシン変換酵素2(ACE2)の新規な変異体の設計に焦点を当てる 我々は、強化学習問題として、新しいタンパク質設計の枠組みを定式化する。
  論文  参考訳（メタデータ） (2020-12-03T07:35:38Z)
• Accelerating Antimicrobial Discovery with Controllable Deep Generative Models and Molecular Dynamics [109.70543391923344]
  CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。 深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。 提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
  論文  参考訳（メタデータ） (2020-05-22T15:57:58Z)
• Evolutionary Multi-Objective Design of SARS-CoV-2 Protease Inhibitor Candidates [0.0]
  本研究では,SARS-CoV-2の主プロテアーゼに対する潜在的なプロテアーゼ阻害剤を設計するための進化的多目的アルゴリズム(EMOA)を提案する。 SELFIES表現に基づいて、EMOAはドッキングツールQuickVina 2を用いて、候補のタンパク質への結合を最大化する。 実験部は、進化過程を分析し、阻害剤候補について論じる。
  論文  参考訳（メタデータ） (2020-05-06T09:15:20Z)
• CogMol: Target-Specific and Selective Drug Design for COVID-19 Using Deep Generative Models [74.58583689523999]
  新規なウイルスタンパク質を標的とした新規な薬物様小分子を設計するためのエンド・ツー・エンドのフレームワークであるCogMolを提案する。 CogMolは、分子SMILES変分オートエンコーダ(VAE)の適応事前学習と、効率的なマルチ属性制御サンプリングスキームを組み合わせる。 CogMolは、高目標特異性と選択性を有する合成可能で低毒性な薬物様分子の多制約設計を扱う。
  論文  参考訳（メタデータ） (2020-04-02T18:17:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。