FLAG

フラグICLR23

構造モチーフとの標的タンパク質結合の分子生成

特定のタンパク質結合部位に結合するリガンド分子の設計は、構造ベースの薬物設計における根本的な問題です。深い生成モデルと幾何学的な深い学習は、薬物設計で大きな進歩を遂げていますが、既存の作業は2Dグラフ空間でサンプルするか、現実的なサブ構造を持つ有効な分子を生成できません。これらの問題に取り組むために、 fラグメントベースのl ig and g enerationフレームワーク（ FLAG ）を提案し、有効で現実的なサブ構造の断片ごとに3D分子を生成します。フラグでは、データセットに共通の分子フラグメント（つまり、モチーフ）を抽出することにより、モチーフ語彙が構築されます。各世代のステップで、3Dグラフニューラルネットワークが最初に採用され、中間コンテキスト情報をエンコードします。次に、モデルは焦点モチーフを選択し、次のモチーフタイプを予測し、新しいモチーフを取り付けます。結合長/角度は、化学情報ツールによって迅速かつ正確に決定できます。最後に、分子ジオメトリは、予測された回転角と構造の改良に従ってさらに調整されます。私たちのモデルは、結合親和性、QED、SAなどの従来のメトリックで競争力のあるパフォーマンスを達成するだけでなく、現実的な下部構造を持つ分子を生成する際に大きなマージンでベースラインを上回ります。

？ニュース

• 構造ベースの薬物設計に関する最新の作業をご覧ください：一般化可能な構造ベースの薬物設計のためのサブポケットプロトタイプの学習（ICML 2023）
  • コード：https：//github.com/zaixizhang/druggps_icml23
  • 論文：https：//arxiv.org/abs/2305.13997

Conda Yamlファイルを介してコンドラ環境をインストールします

conda env create -f flag_env.yaml
conda activate flag_env

データセット

dataフォルダーのREADME.mdを参照してください。

データセット前処理とモチーフ語彙構造

 python build_vocab.py

トレーニング

 python train.py

サンプリング

 python motif_sample.py

チェックポイントを備えたフラグデモ

デモ：https：//huggingface.co/spaces/zaixi/iclr_flag

チェックポイント：https：//drive.google.com/drive/folders/1ni-tl7yzymsfljezxatxbpuio7lvubt9?usp=drive_link

クロスドックデータセット用の生成された分子

100のタンパク質ターゲットの生成された分子構造は、flag_gen.ptに保存されます

インデックスファイルはtest_index.pklです

参照

 @inproceedings{
zhang2023molecule,
title={Molecule Generation For Target Protein Binding with Structural Motifs},
author={ZAIXI ZHANG and Shuxin Zheng and Yaosen Min and Qi Liu},
booktitle={International Conference on Learning Representations},
year={2023},
url={https://openreview.net/forum?id=Rq13idF0F73}
}