引言

這篇文章，作者討論了計(jì)算方法在制藥研究中特別是在先導(dǎo)化合物發(fā)現(xiàn)方面的作用。他強(qiáng)調(diào)了通過生成性深度學(xué)習(xí)模型生成的虛擬化合物庫(kù)的使用，以擴(kuò)大潛在候選藥物的多樣性。報(bào)告提到了虛擬篩選數(shù)十億分子的挑戰(zhàn)和假陽性的風(fēng)險(xiǎn)。研究人員采用數(shù)據(jù)驅(qū)動(dòng)的方法和基于神經(jīng)網(wǎng)絡(luò)的化學(xué)語言模型（CLMs）來生成重點(diǎn)虛擬化學(xué)庫(kù)。用CLM創(chuàng)建重點(diǎn)虛擬化學(xué)庫(kù)的過程包括三個(gè)主要步驟：模型預(yù)訓(xùn)練以學(xué)習(xí)分子的語法和特征，轉(zhuǎn)移學(xué)習(xí)以使分子生成偏向于所需的化學(xué)空間，以及根據(jù)所學(xué)的分布對(duì)新分子進(jìn)行采樣。其他方法，如強(qiáng)化學(xué)習(xí)，也可用于CLM的開發(fā)。

同時(shí)，作者提出了一個(gè)分子設(shè)計(jì)管道，它結(jié)合了已知配體的結(jié)構(gòu)和生物活性信息，利用CLMs生成定制分子。兩個(gè)CLMs在一大套專利化合物結(jié)構(gòu)上進(jìn)行了預(yù)訓(xùn)練，并在磷酸肌苷3-激酶γ（PI3Kγ）的抑制劑上進(jìn)行了微調(diào)，這是一個(gè)重要的藥物靶點(diǎn)。該方法成功地產(chǎn)生了一種對(duì)PI3Kγ具有亞微摩爾活性的新配體，證明了該方法的骨架躍遷能力。幾個(gè)排名靠前的設(shè)計(jì)被合成，并被發(fā)現(xiàn)是有效的PI3Kγ抑制劑，驗(yàn)證了該計(jì)算方法的先導(dǎo)化合物優(yōu)化作用。

結(jié)果和討論

2.1 用于生成分子的核取樣

在使用CLM（條件語言模型）的分子生成中，涉及到了從一個(gè) "開始 "字符擴(kuò)展字符串，直到采樣到一個(gè) "停止 "字符或達(dá)到最大字符串長(zhǎng)度。這些字符是根據(jù)CLM在訓(xùn)練期間學(xué)到的概率分布的加權(quán)隨機(jī)抽樣而反復(fù)添加的。溫度參數(shù)用于控制概率和改善采樣過程。通過縮小概率，生成的SMILES字符串的質(zhì)量，如有效性、唯一性和新穎性，可以得到改善。此外，生成的虛擬化學(xué)庫(kù)與參考數(shù)據(jù)的相似性可以用Fréchet ChemNet Distance（FCD）來衡量。為了防止CLM對(duì)不可能的SMILES字符進(jìn)行采樣，并反映模型對(duì)其預(yù)測(cè)的置信度，采用了 "核采樣"。這種方法通過使用基于SMILES字符累積概率的概率閾值，只允許對(duì)最可能的字符進(jìn)行采樣。人們發(fā)現(xiàn)，核抽樣可以提高新生成的分子在結(jié)構(gòu)和生物活性方面與預(yù)訓(xùn)練集的總體相似性，這一點(diǎn)從較低的FCD值可以看出。在遷移學(xué)習(xí)過程中，它還能增強(qiáng)生成分子的新穎性。在轉(zhuǎn)移學(xué)習(xí)過程中創(chuàng)建一個(gè)以PI3Kγ為重點(diǎn)的化學(xué)庫(kù)的背景下，使用了閾值為0.85的核抽樣。大量的SMILES字符串（2,500,000）在多個(gè)歷時(shí)和重復(fù)中被采樣，與訓(xùn)練和微調(diào)化合物相比，產(chǎn)生了1,121,735個(gè)有效、獨(dú)特和新穎的分子子集。

2.2 生物活性預(yù)測(cè)

在生物活性預(yù)測(cè)和分子選擇方面，采用了一個(gè)混合的CLM（條件語言模型）。該語言模型結(jié)合了生成模型和分類器網(wǎng)絡(luò)，以預(yù)測(cè)基于SMILES字符串的生物活性。生物活性預(yù)測(cè)任務(wù)被設(shè)定為一個(gè)序數(shù)分類任務(wù)，同時(shí)考慮到活性和非活性化合物。三個(gè)類別的標(biāo)簽被定義：基于pIC50值的 "無活性"、"中等活性?"和 "高活性"。對(duì)于無標(biāo)簽數(shù)據(jù)的特征學(xué)習(xí)，作者探索了兩種不同的預(yù)訓(xùn)練策略：自回歸預(yù)訓(xùn)練和ELECTRA預(yù)訓(xùn)練。ELECTRA預(yù)訓(xùn)練方法涉及區(qū)分 "real "和 "corrupt "的輸入字符，被認(rèn)為更適合于提取有用的特征進(jìn)行序數(shù)分類。這種預(yù)訓(xùn)練的模型被稱為 "E-CLM"。對(duì)于生物活性預(yù)測(cè)，在預(yù)訓(xùn)練的CLM和E-CLM中加入了一個(gè)由三個(gè)神經(jīng)元組成的額外前饋層（每類一個(gè)）。該網(wǎng)絡(luò)為生物活性預(yù)測(cè)進(jìn)行了微調(diào)，并應(yīng)用了超采樣以減輕類數(shù)據(jù)的不平衡。E-CLM在識(shí)別最活躍的分子方面優(yōu)于標(biāo)準(zhǔn)CLM，同時(shí)最大限度地減少了將不活躍的分子誤歸為 "高活性 "的情況。與CLM相比，E-CLM在相同的真陽性率下取得了較低的假陽性率。

為了提高對(duì)生物活性預(yù)測(cè)的信心，作者利用了深度集合模型，用多數(shù)投票法將多個(gè)模型的預(yù)測(cè)結(jié)合起來。通過考慮將一個(gè)分子歸類為 "高活性?"的模型的數(shù)量，確定了預(yù)測(cè)的置信度。更高的置信度對(duì)應(yīng)著更少的分子被預(yù)測(cè)為 "高活性"。在排名靠前的分子中，與微調(diào)組相比，相當(dāng)一部分分子具有新的原子或分子骨架。預(yù)測(cè)的活性物質(zhì)與微調(diào)組中的分子的相似度隨著置信度的提高而增加。該方法顯示了識(shí)別與已知生物活性物密切相關(guān)的分子和結(jié)構(gòu)創(chuàng)新的化合物的潛力。該方法對(duì)結(jié)構(gòu)-活性關(guān)系研究，先導(dǎo)化合物的擴(kuò)展和分子骨架的躍遷很有價(jià)值。

合成和生物活性測(cè)試產(chǎn)生的分子

在這項(xiàng)研究中，研究人員根據(jù)為尋找先導(dǎo)化合物而進(jìn)行的分子骨架躍遷練習(xí)所獲得的結(jié)果，合成了兩個(gè)計(jì)算機(jī)生成的分子（為17和20）以及它們的衍生物（18、19、21、22）。新設(shè)計(jì)的17和20是從E-CLM組合模型中獲得高票的計(jì)算機(jī)生成的分子中選出的。這些分子在結(jié)構(gòu)上與布魯頓酪氨酸激酶（Btk）和PI3Kδ（23）以及PI3Kγ/δ（24）的已知抑制劑相似。

為了研究化合物17和20之間的差異，研究人員使用TIGER軟件進(jìn)行目標(biāo)預(yù)測(cè)，并根據(jù)分子的骨架進(jìn)行分組。分子骨架S1是新設(shè)計(jì)中最常產(chǎn)生的核心，TIGER預(yù)測(cè)了該分子骨架的PI3K結(jié)合或抑制作用?；衔?7和20顯示出有利的TIGER得分，并與已知的抑制劑共享類似的吡唑并嘧啶激酶鉸鏈結(jié)合圖案。化合物17和20以及它們的衍生物沒有出現(xiàn)在CLM訓(xùn)練或微調(diào)數(shù)據(jù)中。然而，在測(cè)試PI3Kγ的直接結(jié)合時(shí)，它們?cè)诩{摩爾范圍內(nèi)表現(xiàn)出強(qiáng)大的活性。與命中的化合物1相比，合成的化合物表現(xiàn)出更高的活性，這反映在E-CLM的分?jǐn)?shù)中。

使用GOLD軟件進(jìn)行了配體對(duì)接研究，以合理解釋化合物1和化合物17-22之間的活性差異。對(duì)接結(jié)果表明，所有分子在人類PI3Kγ的活性部位都有合理的結(jié)合位置。估計(jì)的結(jié)合自由能與實(shí)驗(yàn)中的生物活性相關(guān)，表明氫橋?qū)っ搞q鏈殘基Glu880和Val882的重要性。

為了證實(shí)最強(qiáng)效的化合物（18和22）的生物活性，測(cè)試了它們對(duì)AKT/蛋白激酶B（PKB）激活的影響，以應(yīng)對(duì)表皮生長(zhǎng)因子受體（EGFR）引起的信號(hào)傳導(dǎo)。這兩種化合物都抑制了AKT在Ser473的磷酸化，表明它們有能力抑制細(xì)胞中的PI3K活性?；衔?8和22對(duì)AKT磷酸化的減少與泛PI3K抑制劑的減少相當(dāng)。

該研究表明，使用CLM（約束圖變換器-編碼器）的分子設(shè)計(jì)方法可以確定新的骨架和生物活性化合物的結(jié)構(gòu)類似物，以尋找和擴(kuò)大先導(dǎo)化合物。E-CLM集合評(píng)分對(duì)虛擬配體篩選很有效，但不能區(qū)分密切相關(guān)的強(qiáng)效配體。使用TIGER軟件進(jìn)行的外部目標(biāo)預(yù)測(cè)是對(duì)CLM方法的補(bǔ)充。研究結(jié)果支持使用生成性深度學(xué)習(xí)方法在藥物發(fā)現(xiàn)中尋找先導(dǎo)化合物。參考資料：

Moret, M., Pachon Angona, I., Cotos, L.?et al.?Leveraging molecular structure and bioactivity with chemical language models for de novo drug design.?Nat Commun?14, 114 (2023). https://doi.org/10.1038/s41467-022-35692-6

版權(quán)信息

本文系A(chǔ)IDD Pro接受的外部投稿，文中所述觀點(diǎn)僅代表作者本人觀點(diǎn)，不代表AIDD Pro平臺(tái)，如您發(fā)現(xiàn)發(fā)布內(nèi)容有任何版權(quán)侵?jǐn)_或者其他信息錯(cuò)誤解讀，請(qǐng)及時(shí)聯(lián)系A(chǔ)IDD Pro (請(qǐng)?zhí)砑游⑿盘?hào)sixiali_fox59)進(jìn)行刪改處理。

原創(chuàng)內(nèi)容未經(jīng)授權(quán)，禁止轉(zhuǎn)載至其他平臺(tái)。有問題可發(fā)郵件至sixiali@stonewise.cn