Generative Network Complex for the Automated Generation of Drug-like Molecules.
Generative Network Complex for the Automated Generation of Drug-like Molecules.
复制标题
DOI：
10.1021/acs.jcim.0c00599
复制
发表时间：
2020-12-28
影响因子：
5.6
通讯作者：
Wei GW
中科院分区：
文献类型：
--
作者：
Gao K;Nguyen DD;Tu M;Wei GW
目前的药物发现是昂贵和耗时的。它仍然是一个具有挑战性的任务，创造各种各样的新化合物，不仅具有理想的药理学特性，但也是廉价提供给低收入人群。在这项工作中，我们开发了一个生成网络复合物（GNC），通过自编码器的潜在空间中的梯度下降，基于多属性优化生成新的药物样分子。在我们的GNC中，多个化学性质和相似性得分都被优化，以生成具有所需化学性质的药物样分子。为了进一步验证预测的可靠性，这些分子由独立的基于二维指纹的预测器重新评估和筛选，以提出数百种新的候选药物。作为示范，我们应用我们的GNC产生大量新的BACE1抑制剂，以及8种现有市场药物的数千种新型替代药物候选物，包括Ceritinib，Ribociclib，Acalabrutinib，Idelalisib，Dabrafenib，Macimorelin，Enzalutamide和Panobinostat。
Current drug discovery is expensive and time-consuming. It remains a challenging task to create a wide variety of novel compounds that not only have desirable pharmacological properties but also are cheaply available to low-income people. In this work, we develop a generative network complex (GNC) to generate new drug-like molecules based on the multiproperty optimization via the gradient descent in the latent space of an autoencoder. In our GNC, both multiple chemical properties and similarity scores are optimized to generate drug-like molecules with desired chemical properties. To further validate the reliability of the predictions, these molecules are reevaluated and screened by independent 2D fingerprint-based predictors to come up with a few hundreds of new drug candidates. As a demonstration, we apply our GNC to generate a large number of new BACE1 inhibitors, as well as thousands of novel alternative drug candidates for eight existing market drugs, including Ceritinib, Ribociclib, Acalabrutinib, Idelalisib, Dabrafenib, Macimorelin, Enzalutamide, and Panobinostat.
登录
查看更多内容
影响因子：
0.9
作者：
Grow C;Gao K;Nguyen DD;Wei GW
通讯作者：
Wei GW
影响因子：
28.2
作者：
Friboulet L;Li N;Katayama R;Lee CC;Gainor JF;Crystal AS;Michellys PY;Awad MM;Yanagitani N;Kim S;Pferdekamper AC;Li J;Kasibhatla S;Sun F;Sun X;Hua S;McNamara P;Mahmood S;Lockerman EL;Fujita N;Nishio M;Harris JL;Shaw AT;Engelman JA
通讯作者：
Engelman JA
DOI：
10.3390/molecules21070910
发表时间：
2016-07-16
期刊：
Molecules (Basel, Switzerland)
影响因子：
--
作者：
Huang R;Leung IK
通讯作者：
Leung IK
影响因子：
18.2
作者：
Gómez-Bombarelli R;Wei JN;Duvenaud D;Hernández-Lobato JM;Sánchez-Lengeling B;Sheberla D;Aguilera-Iparraguirre J;Hirzel TD;Adams RP;Aspuru-Guzik A
通讯作者：
Aspuru-Guzik A
影响因子：
3.5
作者：
Dixon, Steven L.;Smondyrev, Alexander M.;Friesner, Richard A.
通讯作者：
Friesner, Richard A.