Deep learning enables rapid identification of potent DDR1 kinase inhibitors
Deep learning enables rapid identification of potent DDR1 kinase inhibitors
复制标题
DOI：
10.1038/s41587-019-0224-x
复制
发表时间：
2019-09-01
影响因子：
46.9
通讯作者：
Aspuru-Guzik, Alan
中科院分区：
文献类型：
--
作者：
Zhavoronkov, Alex;Ivanenkov, Yan A.;Aspuru-Guzik, Alan
我们开发了一种深度生成模型，即生成张量强化学习（GENTRL），用于从头进行小分子设计。 GENTRL 优化合成可行性、新颖性和生物活性。我们使用 GENTRL 在 21 天内发现了盘状蛋白结构域受体 1 (DDR1) 的有效抑制剂，DDR1 是一种与纤维化和其他疾病有关的激酶靶标。四种化合物在生化测定中具有活性，两种在基于细胞的测定中得到验证。一种主要候选药物经过测试并在小鼠中证明了良好的药代动力学。
We have developed a deep generative model, generative tensorial reinforcement learning (GENTRL), for de novo small-molecule design. GENTRL optimizes synthetic feasibility, novelty, and biological activity. We used GENTRL to discover potent inhibitors of discoidin domain receptor 1 (DDR1), a kinase target implicated in fibrosis and other diseases, in 21 days. Four compounds were active in biochemical assays, and two were validated in cell-based assays. One lead candidate was tested and demonstrated favorable pharmacokinetics in mice.