論文の概要: 3D Molecular Generation via Virtual Dynamics
- arxiv url: http://arxiv.org/abs/2302.05847v1
- Date: Sun, 12 Feb 2023 03:36:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-16 16:45:24.929006
- Title: 3D Molecular Generation via Virtual Dynamics
- Title（参考訳）: 仮想ダイナミクスによる3次元分子生成
- Authors: Shuqi Lu, Lin Yao, Xi Chen, Hang Zheng, Di He, Guolin Ke
- Abstract要約: 構造に基づく薬物設計は、薬物発見において最も重要な課題の1つである。
仮想スクリーニングのような従来のソリューションでは、大規模な分子データベースを徹底的に検索する必要がある。
ポケットベースの3D分子生成モデル、すなわち、ポケット内の3D構造と結合位置を持つ分子を直接生成することは、この問題に対処するための新しい有望な方法である。
VD-Genは、ポケットキャビティの終端に結合位置を持つ微細な3D分子を生成するために、慎重に設計されたいくつかの段階で構成されている。
- 参考スコア（独自算出の注目度）: 34.211996937803264
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Structure-based drug design, i.e., finding molecules with high affinities to
the target protein pocket, is one of the most critical tasks in drug discovery.
Traditional solutions, like virtual screening, require exhaustively searching
on a large molecular database, which are inefficient and cannot return novel
molecules beyond the database. The pocket-based 3D molecular generation model,
i.e., directly generating a molecule with a 3D structure and binding position
in the pocket, is a new promising way to address this issue. Herein, we propose
VD-Gen, a novel pocket-based 3D molecular generation pipeline. VD-Gen consists
of several carefully designed stages to generate fine-grained 3D molecules with
binding positions in the pocket cavity end-to-end. Rather than directly
generating or sampling atoms with 3D positions in the pocket like in early
attempts, in VD-Gen, we first randomly initialize many virtual particles in the
pocket; then iteratively move these virtual particles, making the distribution
of virtual particles approximate the distribution of molecular atoms. After
virtual particles are stabilized in 3D space, we extract a 3D molecule from
them. Finally, we further refine atoms in the extracted molecule by iterative
movement again, to get a high-quality 3D molecule, and predict a confidence
score for it. Extensive experiment results on pocket-based molecular generation
demonstrate that VD-Gen can generate novel 3D molecules to fill the target
pocket cavity with high binding affinities, significantly outperforming
previous baselines.
- Abstract（参考訳）: 構造に基づく薬物設計、すなわち標的タンパク質ポケットに高い親和性を持つ分子を見つけることは、薬物発見において最も重要な課題の1つである。
仮想スクリーニングのような従来のソリューションでは、大きな分子データベースを徹底的に検索する必要があるが、これは非効率であり、データベースを超えて新しい分子を返すことはできない。
ポケットベースの3d分子生成モデル、すなわち、ポケットに3d構造と結合位置を持つ分子を直接生成することは、この問題に対処する新しい有望な方法である。
本稿では,ポケットベースの新しい3D分子生成パイプラインであるVD-Genを提案する。
VD-Genは、ポケットキャビティの終端に結合位置を持つ微細な3D分子を生成するために、慎重に設計されたいくつかの段階で構成されている。
VD-Genでは、最初にポケット内の多くの仮想粒子をランダムに初期化し、次にこれらの仮想粒子を反復的に移動させ、仮想粒子の分布を分子原子の分布に近似させる。
仮想粒子が3d空間で安定化した後、3d分子を抽出する。
最後に, 抽出した分子中の原子を反復移動により再精製し, 高品質な3D分子を得るとともに, その信頼性を推算する。
ポケットベースの分子生成に関する大規模な実験により、VD-Genは標的のポケット腔を高い結合親和性で満たす新しい3D分子を生成できることが示された。
関連論文リスト
- Functional-Group-Based Diffusion for Pocket-Specific Molecule Generation and Elaboration [63.23362798102195]
ポケット特異的分子生成とエラボレーションのための機能群に基づく拡散モデルD3FGを提案する。
D3FGは分子を、剛体として定義される官能基と質量点としてのリンカーの2つのカテゴリに分解する。
実験では, より現実的な3次元構造, タンパク質標的に対する競合親和性, 薬物特性の良好な分子を生成できる。
論文 参考訳（メタデータ） (2023-05-30T06:41:20Z) - 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) - Geometry-Complete Diffusion for 3D Molecule Generation and Optimization [3.8366697175402225]
3次元分子生成のための幾何-完全拡散モデル(GCDM)を導入する。
GCDMは、既存の3次元分子拡散モデルよりも条件および非条件設定間で大きなマージンで優れている。
また、GCDMの幾何学的特徴は、既存の3次元分子の幾何学的および化学組成を一貫して最適化するために再利用可能であることも示している。
論文 参考訳（メタデータ） (2023-02-08T20:01:51Z) - DiffBP: Generative Diffusion of 3D Molecules for Target Protein Binding [51.970607704953096]
従来の研究は通常、原子の要素タイプと3次元座標を1つずつ生成する自己回帰的な方法で原子を生成する。
現実世界の分子系では、分子全体の原子間の相互作用が大域的であり、原子間のエネルギー関数が結合する。
本研究では、標的タンパク質に基づく分子3次元構造の生成拡散モデルを構築し、非自己回帰的に全原子レベルで構築する。
論文 参考訳（メタデータ） (2022-11-21T07:02:15Z) - Equivariant 3D-Conditional Diffusion Models for Molecular Linker Design [82.23006955069229]
分子リンカ設計のためのE(3)等価な3次元拡散モデルDiffLinkerを提案する。
我々のモデルは、欠落した原子を中間に配置し、初期フラグメントを全て組み込んだ分子を設計する。
DiffLinkerは、より多種多様な合成可能な分子を生成する標準データセット上で、他の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T09:13:37Z) - 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) - Structure-aware generation of drug-like molecules [2.449909275410288]
深部生成法は、新しい分子をスクラッチから提案する(デノボ設計)。
本稿では, 分子間空間における3次元ポーズと協調して分子グラフを生成する新しい教師付きモデルを提案する。
ドッキングベンチマークを用いて,ドッキングモデルの評価を行い,ドッキング生成によって予測される結合親和性が8%向上し,薬物類似度が10%向上することが確認された。
論文 参考訳（メタデータ） (2021-11-07T15:19:54Z) - 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。