首页|基于分子生成模型的SOS1抑制剂衍生物设计

基于分子生成模型的SOS1抑制剂衍生物设计

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对现有SOS1抑制剂中新颖结构数量较少的问题,提出一种结合RNN及Transformer的改进分子生成算法R-T.首先用ChEMBL数据集对Transformer模型预训练,通过数据增强方法提高模型学习分子表征的能力;然后用SOS1抑制剂对预训练模型进行微调,运用强化学习方法设计MRTX0902的衍生物,并与对Specs库进行虚拟筛选的方法比较生成分子的质量.结果表明,R-T算法能生成多样性高、易合成的候选SOS1抑制剂,多样性为0.693,可合成性为3.14.这表明其在生成新颖化学结构上的有效性.
Design of SOS1 inhibitor derivatives based on molecular generation model

data augmentationreinforcement learningvirtual screeningdiversity

成凯阳、胡晨骏、胡孔法

展开 >

南京中医药大学人工智能与信息技术学院,江苏 南京 210023

数据增强 强化学习 虚拟筛选 多样性

国家自然科学基金青年基金

82074580

2023

10.16644/j.cnki.cn33-1094/tp.2023.11.019

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(11)
  • 20