PocketFlow-由数据及知识驱动的分子生成模型

文章预览

加 星标 ，再也不怕错过更新！方法见文末动图。 在药物发现领域，深度学习技术，尤其是深度生成模型 （DGMs） ，已显示出其在分子设计中的潜力。然而，现有的DGMs大多基于配体，忽视了化学知识和蛋白质结合口袋结构的重要性，这限制了它们在生成具有高生物活性和药物相似性的分子方面的应用。此外，现有数据集规模有限，且依赖于已知的蛋白-配体复合结构，这进一步限制了模型的训练和生成能力。因此，有必要开发一种新的分子生成方法，以克服这些挑战。 2024年3月， Nature Machine Intelligence 上提出了一种题为 “PocketFlow is a data-and-knowledge-driven structure-based molecular generative model” 的分子生成框架。它不仅整合了化学知识和蛋白质结合口袋的结构信息，而且通过引入化学领域的知识指导、拓扑知识、共价键分布建模、三重自注意力机制和迁移 ………………………………