論文の概要: Pareto Optimization to Accelerate Multi-Objective Virtual Screening
- arxiv url: http://arxiv.org/abs/2310.10598v1
- Date: Mon, 16 Oct 2023 17:19:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 01:27:57.762249
- Title: Pareto Optimization to Accelerate Multi-Objective Virtual Screening
- Title(参考訳): Pareto Optimizationによる多目的仮想スクリーニングの高速化
- Authors: Jenna C. Fromer, David E. Graff, Connor W. Coley
- Abstract要約: EGFRおよびIGF1Rの選択的二重阻害剤であると考えられる4M分子の仮想ライブラリーを探索するツールを開発した。
このワークフローと関連するオープンソースソフトウェアは、分子設計プロジェクトのスクリーニング負担を軽減することができる。
- 参考スコア(独自算出の注目度): 11.356174411578515
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The discovery of therapeutic molecules is fundamentally a multi-objective
optimization problem. One formulation of the problem is to identify molecules
that simultaneously exhibit strong binding affinity for a target protein,
minimal off-target interactions, and suitable pharmacokinetic properties.
Inspired by prior work that uses active learning to accelerate the
identification of strong binders, we implement multi-objective Bayesian
optimization to reduce the computational cost of multi-property virtual
screening and apply it to the identification of ligands predicted to be
selective based on docking scores to on- and off-targets. We demonstrate the
superiority of Pareto optimization over scalarization across three case
studies. Further, we use the developed optimization tool to search a virtual
library of over 4M molecules for those predicted to be selective dual
inhibitors of EGFR and IGF1R, acquiring 100% of the molecules that form the
library's Pareto front after exploring only 8% of the library. This workflow
and associated open source software can reduce the screening burden of
molecular design projects and is complementary to research aiming to improve
the accuracy of binding predictions and other molecular properties.
- Abstract(参考訳): 治療分子の発見は、基本的に多目的最適化問題である。
この問題の定式化の一つは、標的タンパク質に対する強い結合親和性、最小の標的外相互作用、適切な薬物動態特性を同時に発現する分子を同定することである。
アクティブ・ラーニングによる強力なバインダーの同定を加速する先行研究に触発されて,マルチプロパティ・仮想スクリーニングの計算コストを低減し,ドッキングスコアに基づいて選択されると予測されるリガンドをオン・オフ・ターゲットに識別する多目的ベイズ最適化を実装した。
3つのケーススタディを通じて,スカラー化よりもpareto最適化が優れていることを示す。
さらに,この最適化ツールを用いて,EGFRおよびIGF1Rの選択的二重阻害剤と推定される4M以上の分子の仮想ライブラリを探索し,ライブラリのわずか8%を探索した後,図書館のパレートフロントを構成する分子の100%を取得する。
このワークフローと関連するオープンソースソフトウェアは、分子設計プロジェクトのスクリーニングの負担を軽減し、結合予測やその他の分子特性の精度向上を目的とした研究を補完する。
関連論文リスト
- Interactive Hyperparameter Optimization in Multi-Objective Problems via
Preference Learning [65.51668094117802]
我々は多目的機械学習(ML)に適した人間中心型対話型HPO手法を提案する。
ユーザが自分のニーズに最も適した指標を推測する代わりに、私たちのアプローチは自動的に適切な指標を学習します。
論文 参考訳(メタデータ) (2023-09-07T09:22:05Z) - Multi-objective Molecular Optimization for Opioid Use Disorder Treatment
Using Generative Network Complex [5.33208055504216]
オピオイド・ユース障害(OUD)が世界的な健康問題として浮上している。
本研究では,微分方程式(SDE)に基づく拡散モデルと事前学習された自己エンコーダモデルの潜在空間を結合した深部生成モデルを提案する。
分子発生器は、複数の標的に有効である分子の効率的な生成を可能にする。
論文 参考訳(メタデータ) (2023-06-13T01:12:31Z) - BOtied: Multi-objective Bayesian optimization with tied multivariate
ranks [49.85896045032822]
非支配解と最高多変量階との自然な関係を示し、これは合同累積分布関数(CDF)の最外層線と一致する。
我々はCDFインジケータに基づくBOtiedと呼ばれる取得関数を提案する。
論文 参考訳(メタデータ) (2023-06-01T04:50:06Z) - Computer-Aided Multi-Objective Optimization in Small Molecule Discovery [3.032184156362992]
多目的分子発見のためのプールベースおよびデノボ生成手法について述べる。
プール型分子発見は,多目的ベイズ最適化の比較的直接的な拡張であることを示す。
この分野で残る課題と機会について論じる。
論文 参考訳(メタデータ) (2022-10-13T17:33:07Z) - De novo design of protein target specific scaffold-based Inhibitors via
Reinforcement Learning [8.210294479991118]
標的タンパク質の分子開発への現在のアプローチは直観駆動であり、反復的な設計-テストサイクルが遅くなるのを妨げている。
本稿では3D-MolGNN$_RL$と呼ばれる新しいフレームワークを提案する。
われわれのアプローチは、最適化された活動、有効性、生体物理特性によるリード最適化のための解釈可能な人工知能(AI)ツールとして機能する。
論文 参考訳(メタデータ) (2022-05-21T00:47:35Z) - Molecular Attributes Transfer from Non-Parallel Data [57.010952598634944]
分子最適化をスタイル伝達問題として定式化し、非並列データの2つのグループ間の内部差を自動的に学習できる新しい生成モデルを提案する。
毒性修飾と合成性向上という2つの分子最適化タスクの実験により,本モデルがいくつかの最先端手法を著しく上回ることを示した。
論文 参考訳(メタデータ) (2021-11-30T06:10:22Z) - 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) - Optimizing Molecules using Efficient Queries from Property Evaluations [66.66290256377376]
汎用的なクエリベースの分子最適化フレームワークであるQMOを提案する。
QMOは効率的なクエリに基づいて入力分子の所望の特性を改善する。
QMOは, 有機分子を最適化するベンチマークタスクにおいて, 既存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) (2020-11-03T18:51:18Z) - Multi-Fidelity Multi-Objective Bayesian Optimization: An Output Space
Entropy Search Approach [44.25245545568633]
複数目的のブラックボックス最適化の新たな課題を多要素関数評価を用いて検討する。
いくつかの総合的および実世界のベンチマーク問題に対する実験により、MF-OSEMOは両者の近似により、最先端の単一忠実度アルゴリズムよりも大幅に改善されていることが示された。
論文 参考訳(メタデータ) (2020-11-02T06:59:04Z) - MIMOSA: Multi-constraint Molecule Sampling for Molecule Optimization [66.84839948236478]
生成モデルと強化学習アプローチは、最初の成功をおさめたが、複数の薬物特性を同時に最適化する上で、依然として困難に直面している。
本稿では,MultI-Constraint MOlecule SAmpling (MIMOSA)アプローチ,初期推定として入力分子を用いるサンプリングフレームワーク,ターゲット分布からのサンプル分子を提案する。
論文 参考訳(メタデータ) (2020-10-05T20:18:42Z)
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。