螺旋桨团队成果登nmi：对化合物3d建模。 日前，国际知名学术期刊 machine intelligence（nmi，近2年≈16.649）在线发表了生物计算团队（螺旋桨团队）的最新研究成果，论文提出基于空间结构的化合物表征学习方法，即几何构象增强ai算法（gem模型），将化合物的几何结构信息引入自监督学习和分子表示模型，对化合物进行3d建模，以预测化合物分子的性质属性。其在药物筛选中的应用，可在数小时内完成传统仿真方法1年的工作量，效率提升上千倍，有望大幅降低药物研发的时间投入和成本投入。
作为药物研发的关键一环，候选化合物的性质预测相当于为临床实验排雷，即提前筛选掉毒副作用高、人体不易吸收代谢等的化合物。此前，这项工作只能通过传统仿真实验进行，成本高且耗时长。后来，研究人员引入深度学习，但传统的深度学习方法大多基于序列或二维图结构建模，缺乏对化合物三维空间结构信息的利用，这会丢失一部分空间信息，导致化合物性质预测结果的偏差。为更好地预测化合物性质，亟需引入化合物的三维空间信息。
螺旋桨团队提出的gem模型，正是在这一点上实现了突破。论文称，他们开创性的工作，是业界首次将化合物性质预测从2d建模推进到3d建模。同时，团队通过引入预训练技术和利用大量无标注的化合物数据，通过自监督学习来构建gem模型的底层能力，有望打造小分子药物研发领域的模型底座，解决小分子药物活性预测、成药性预测等药物设计的核心问题，真正加速药物特别是创新药物的发现过程。
基于空间结构的化合物表征学习方法（gem）的整体框架 供图
论文进一步发布了该模型的实验效果，结果显示，gem模型在14个学术界公认的应用任务数据集（包括抑制 hiv 艾滋病病毒复制能力的数据集、小分子的生物活性数据集、血脑屏障渗透数据集等）上取得最佳结果，超越斯坦福大学等提出的模型效果。其中，gem模型在回归任务上相对现有方法指标提升8.8%，在分类任务上指标相对提升4.7%，并在自监督学习方法上的消融实验中证明了其有效性。
目前，开源社区github上已经开源了gem模型完整代码。研究人员表示，gem模型目前已经在多个凯发天生赢家一触即发官网的合作伙伴的研发管线中实现了商业化落地。这表明，人们有望通过ai技术探索双靶点抑制剂新的研发范式，为癌症病人和自身免疫性疾病病人提供更有效的治疗药物。
此外，研究人员指出，该方法还有助于高效测量药物—靶标的相互作用，进而用于加速新药研发、发掘老药新用途、探索多种药物联合使用等，这有助于降低药品抗药性和毒副作用，甚至疗治新病症。
该项研究由螺旋桨paddlehelix团队独立完成。基于飞桨打造的生物计算平台螺旋桨paddlehelix，致力于为生物医药专家与学者提供ai 生物计算的模型工具和凯发天生赢家一触即发官网的解决方案，服务于新药研发、疫苗设计、精准医疗等场景。（来源：中国科学报赵广立）
相关论文信息：http://doi.org/10.1038/s42256-021-00438-4
凯发k8国际首页登录的版权声明：凡本网注明来源：中国科学报、科学网、科学新闻杂志的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：shouquan@stimes.cn。
作者：haifeng wang等 来源：《自然—机器智能》
上一篇：