欧美色盟,色婷婷AV一区二区三区之红樱桃,亚洲精品无码一区二区三区网雨,中国精品视频一区二区三区

2022年6月，浙江大學藥學院&智能創新藥物研究院侯廷軍團隊、中南大學曹東升團隊、華東理工大學李洪林團隊聯合在《藥物化學雜志》（Journal of Medicinal Chemistry）發表論文“RELATION: A Deep Generative Model for Structure-based De Novo Drug Design”，提出了一種能夠在分子生成過程中考慮到蛋白-配體相互作用的深度學習全新藥物設計新方法。

為解決目前全新藥物設計方法采樣的分子無法同時兼顧化學結構的質量和對蛋白親和力，作者同時使用百萬量級的分子庫以及蛋白配體集合數據對變分自編碼器進行訓練，在引入雙向遷移學習之后，隱藏層的采樣能夠同時兼顧生成分子的骨架片段的新穎性以及對靶標蛋白的親和性。作者在方法中還提供了藥效團約束生成以及貝葉斯優化采樣等模塊，可定制化生成藥效團匹配度更高以及對靶標親和力表現更優的分子。

圖1 RELATION方法的工作流程圖

在AKT1與CDK2的抑制劑全新設計的任務測試中，RELATION模型既能生成有效、新穎且多樣的分子，并且能夠保證生成的分子對靶標具有一定的親和力；隨著基于對接打分的BO采樣以及藥效團約束模塊用于RELATION模型，RELATION模型能夠使得生成的分子同時具有更好的藥效團匹配度和對接表現。結果表明RELATION模型是一種極具競爭力的深度學習全新藥物設計模型，有望為先導化合物的設計和發現提供全新的策略。

浙江大學藥學院&智能創新藥物研究院為本論文的第一署名單位，浙江大學藥學院博士生王明陽和騰訊量子實驗室謝昌諭博士為共同第一作者，浙江大學侯廷軍教授、中南大學曹東升教授、華東理工大學李洪林教授為共同通訊作者。

 原文鏈接：https://doi.org/10.1021/acs.jmedchem.2c00732

參考資料：http://www.cps.zju.edu.cn/2022/0621/c58891a2596999/page.htm