计算机时代2023，Issue(11) ：94-99.DOI:10.16644/j.cnki.cn33-1094/tp.2023.11.019

基于分子生成模型的SOS1抑制剂衍生物设计

Design of SOS1 inhibitor derivatives based on molecular generation model

成凯阳 胡晨骏 胡孔法
计算机时代2023，Issue(11) ：94-99.DOI:10.16644/j.cnki.cn33-1094/tp.2023.11.019
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于分子生成模型的SOS1抑制剂衍生物设计

Design of SOS1 inhibitor derivatives based on molecular generation model

成凯阳 1胡晨骏 1胡孔法1
扫码查看

作者信息

  • 1. 南京中医药大学人工智能与信息技术学院,江苏 南京 210023
  • 折叠

摘要

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.

关键词

数据增强/强化学习/虚拟筛选/多样性

Key words

data augmentation/reinforcement learning/virtual screening/diversity

引用本文复制引用

基金项目

国家自然科学基金青年基金(82074580)

出版年

2023
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
参考文献量20
段落导航相关论文