Beam-Search zum automatisierten Entwurf und Scoring neuer ROR-Liganden mithilfe maschineller Intelligenz
OPEN ACCESS
Loading...
Author / Producer
Date
2021-08-23
Publication Type
Journal Article
ETH Bibliography
yes
Citations
Altmetric
OPEN ACCESS
Data
Rights / License
Abstract
Chemische Sprachmodelle ermöglichen ein De-novo-Wirkstoff-Design ohne explizite chemische Konstruktionsregeln. Während solche Modelle angewendet wurden, um neuartige Verbindungen mit angestrebter biologischer Aktivität zu generieren, bleibt die tatsächliche Priorisierung und Auswahl der vielversprechendsten Molekülentwürfe (“Designs”) eine Herausforderung. Wir haben hier die von chemischen Sprachmodellen gelernten Wahrscheinlichkeiten mithilfe des Beam-Search-Algorithmus als Modell-intrinsische Technik für das Moleküldesign und die Bewertung der Designs (“Scoring”) genutzt. Die prospektive Anwendung dieser Methode führte zu neuartigen inversen Agonisten der Retinoid-related-Orphan-Rezeptoren (RORs). Jedes Design war in drei Reaktionsschritten synthetisierbar und zeigte eine niedrig-mikromolare bis nanomolare Potenz gegenüber RORγ. Als Modell-intrinsische Technik eliminiert das Beam-Search-Sampling die strikte Notwendigkeit externer Molekül-Scoring-Funktionen und erweitert damit die Anwendbarkeit generativer künstlicher Intelligenz in der datengetriebenen Wirkstoffforschung.
Permanent link
Publication status
published
External links
Editor
Book title
Journal / series
Volume
133 (35)
Pages / Article No.
19626 - 19632
Publisher
Wiley-VCH
Event
Edition / version
Methods
Software
Geographic location
Date collected
Date created
Subject
De-novo-Design; Deep Learning; Kernrezeptor; Neuronale Netze; Wirkstoffforschung
Organisational unit
03852 - Schneider, Gisbert / Schneider, Gisbert
Notes
Funding
182176 - De novo molecular design by deep learning (SNF)
Related publications and datasets
Is identical to: