論文の概要: Equivariant Shape-Conditioned Generation of 3D Molecules for
Ligand-Based Drug Design
- arxiv url: http://arxiv.org/abs/2210.04893v1
- Date: Thu, 6 Oct 2022 19:37:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 16:10:58.455705
- Title: Equivariant Shape-Conditioned Generation of 3D Molecules for
Ligand-Based Drug Design
- Title(参考訳): リガンド系医薬品設計のための3次元分子の等変形状合成
- Authors: Keir Adams and Connor W. Coley
- Abstract要約: 分子形状を符号化し,化学的アイデンティティを変動的に符号化することで,形状条件付き3次元分子設計を可能にする新しい3次元生成モデルを提案する。
本研究では, 分子構造の形状条件による生成や, 分子特性の最適化など, 薬物設計に関わる課題における3次元生成モデルの評価を行った。
- 参考スコア(独自算出の注目度): 3.032184156362992
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Shape-based virtual screening is widely employed in ligand-based drug design
to search chemical libraries for molecules with similar 3D shapes yet novel 2D
chemical structures compared to known ligands. 3D deep generative models have
the potential to automate this exploration of shape-conditioned 3D chemical
space; however, no existing models can reliably generate valid drug-like
molecules in conformations that adopt a specific shape such as a known binding
pose. We introduce a new multimodal 3D generative model that enables
shape-conditioned 3D molecular design by equivariantly encoding molecular shape
and variationally encoding chemical identity. We ensure local geometric and
chemical validity of generated molecules by using autoregressive fragment-based
generation with heuristic bonding geometries, allowing the model to prioritize
the scoring of rotatable bonds to best align the growing conformational
structure to the target shape. We evaluate our 3D generative model in tasks
relevant to drug design including shape-conditioned generation of chemically
diverse molecular structures and shape-constrained molecular property
optimization, demonstrating its utility over virtual screening of enumerated
libraries.
- Abstract(参考訳): 形状に基づく仮想スクリーニングは、既知の配位子と比較して新しい2次元化学構造を持つ3次元形状を持つ分子の化学ライブラリーを探索するために、リガンドベースの薬物設計に広く用いられている。
3D深部生成モデルは、この形状条件の3D化学空間の探索を自動化する可能性があるが、既成のモデルでは、既知の結合ポーズのような特定の形状を採用するコンフォーメーションにおいて有効な薬物様分子を確実に生成することはできない。
本稿では,分子形状を等変エンコードし,化学同一性を変分エンコードすることで形状条件付き3次元分子設計を可能にする,新しいマルチモーダル3次元生成モデルを提案する。
我々は, 自己回帰的フラグメントベース生成とヒューリスティック結合ジオメトリーを用いて生成分子の局所的な幾何学的, 化学的妥当性を保証し, 成長するコンフォメーション構造とターゲット形状との整合性を最優先する。
我々は, 分子構造の形状条件生成や分子特性の最適化など, 薬物設計に関わる課題において, 3次元生成モデルを評価し, 列挙されたライブラリの仮想スクリーニングよりも有用であることを実証した。
関連論文リスト
- Shape-conditioned 3D Molecule Generation via Equivariant Diffusion
Models [9.852142469374849]
リガンドをベースとした薬物設計は、既知の活性分子と類似した形状の新規な薬物候補を特定することを目的としている。
形状誘導型生成モデルであるShapeMolを開発した。
論文 参考訳(メタデータ) (2023-08-23T03:23:07Z) - Geometric Latent Diffusion Models for 3D Molecule Generation [172.15028281732737]
生成モデル、特に拡散モデル(DM)は、特徴豊富な測地を生成する上で有望な結果を得た。
我々はGeoLDM(Geometric Latent Diffusion Models)と呼ばれる新しい3次元分子生成法を提案する。
論文 参考訳(メタデータ) (2023-05-02T01:07:22Z) - MUDiff: Unified Diffusion for Complete Molecule Generation [104.7021929437504]
本稿では,原子の特徴,2次元離散分子構造,および3次元連続分子座標を含む分子の包括的表現を生成する新しいモデルを提案する。
拡散過程を認知するための新しいグラフトランスフォーマーアーキテクチャを提案する。
我々のモデルは、安定で多様な分子を設計するための有望なアプローチであり、分子モデリングの幅広いタスクに適用できる。
論文 参考訳(メタデータ) (2023-04-28T04:25:57Z) - An Equivariant Generative Framework for Molecular Graph-Structure
Co-Design [54.92529253182004]
分子グラフ構造アンダーラインCo設計のための機械学習ベースの生成フレームワークであるMollCodeを提案する。
MolCodeでは、3D幾何情報によって分子2Dグラフの生成が促進され、それによって分子3D構造の予測が導かれる。
分子設計における2次元トポロジーと3次元幾何は本質的に相補的な情報を含んでいることが明らかとなった。
論文 参考訳(メタデータ) (2023-04-12T13:34:22Z) - A 3D Molecule Generative Model for Structure-Based Drug Design [18.29582138009123]
構造に基づく薬物設計において、特定のタンパク質結合部位に結合する分子を生成するという根本的な問題を研究する。
指定された3Dタンパク質結合部位に与えられた分子を生成する3D生成モデルを提案する。
論文 参考訳(メタデータ) (2022-03-20T03:54:47Z) - Scalable Fragment-Based 3D Molecular Design with Reinforcement Learning [68.8204255655161]
分子構築に階層的エージェントを用いるスケーラブルな3D設計のための新しいフレームワークを提案する。
様々な実験において、エネルギーのみを考慮に入れたエージェントが、100以上の原子を持つ分子を効率よく生成できることが示されている。
論文 参考訳(メタデータ) (2022-02-01T18:54:24Z) - GeoMol: Torsional Geometric Generation of Molecular 3D Conformer
Ensembles [60.12186997181117]
分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。
既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。
エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
論文 参考訳(メタデータ) (2021-06-08T14:17:59Z) - Learning Neural Generative Dynamics for Molecular Conformation
Generation [89.03173504444415]
分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。
分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
論文 参考訳(メタデータ) (2021-02-20T03:17:58Z) - Symmetry-Aware Actor-Critic for 3D Molecular Design [9.257157190657443]
本稿では,従来のアプローチでは実現不可能な構造を生成可能な3次元分子設計のための新しいアクタークリティカルアーキテクチャを提案する。
これは、回転的に共変状態-作用表現を通じて設計プロセスの対称性を活用することで達成される。
いくつかの3次元分子設計タスクに対するアプローチの利点を実証し、そのような対称性で構築することで、生成分子の一般化と品質が大幅に向上することを示した。
論文 参考訳(メタデータ) (2020-11-25T14:04:33Z) - Learning a Continuous Representation of 3D Molecular Structures with
Deep Generative Models [0.0]
生成モデルは、連続的な潜伏空間における分子の表現と最適化を学ぶ全く異なるアプローチである。
原子密度格子を用いた三次元分子構造の深部生成モデルについて述べる。
また、与えられた入力化合物に基づいて多様な分子の集合をサンプリングすることで、有効な薬物様分子の創出の可能性を高めることができる。
論文 参考訳(メタデータ) (2020-10-17T01:15:47Z)
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。