#ai夏令营#datawhale#夏令营
一、赛事背景
在当今科技日新月异的时代,人工智能(AI)技术正以前所未有的深度和广度渗透到科研领域,特别是在化学及药物研发中展现出了巨大潜力。精准预测分子性质有助于高效筛选出具有优异性能的候选药物。以PROTACs为例,它是一种三元复合物由目标蛋白配体、linker、E3连接酶配体组成,靶向降解目标蛋白质。本次大赛聚焦于运用先进的人工智能算法预测其降解效能,旨在激发参赛者创新思维,推动AI技术与化学生物学的深度融合,进一步提升药物研发效率与成功率,为人类健康事业贡献智慧力量。通过此次大赛,我们期待见证并孵化出更多精准、高效的分子性质预测模型,共同开启药物发现的新纪元。
二、赛事任务
选手根据提供的demo数据集,可以基于demo数据集进行数据增强、自行搜集数据等方式扩充数据集,并自行划分数据。运用深度学习、强化学习或更加优秀人工智能的方法预测PROTACs的降解能力,若DC50>100nM且Dmax<80% ,则视为降解能力较差(demo数据集中Label=0);若DC50<=100nM或Dmax>=80%,则视为降解能力好(demo数据集中Label=1)。
虽然是算法AI题,但是基本的相关生物知识还是要学习的。
PROTACs(PROteolysis TArgeting Chimeras),即蛋白质降解靶向嵌合体,是一种创新的分子工具,通过利用细胞自身的泛素-蛋白酶体系统(UPS)来特异性地降解目标蛋白质。它们由三个主要部分组成:目标蛋白配体(TLM)、连接体(Linker)和E3连接酶配体(ELM),形成一个三元复合物。以下是对PROTACs的详细介绍:
1. 组成结构
- 目标蛋白配体(TLM):负责与特定的目标蛋白质(POI,Protein of Interest)结合,这是PROTACs选择性地识别并降解目标蛋白的关键部分。
- 连接体(Linker):连接TLM和ELM的桥梁,其设计对于确保TLM和ELM之间的适当距离和构象至关重要,以便形成稳定的三元复合物。
- E3连接酶配体(ELM):与细胞内的E3泛素连接酶结合,引导泛素从E2泛素结合酶转移至目标蛋白,并促进目标蛋白的泛素化,最终被26S蛋白酶体识别并降解。
2. 作用机制
PROTACs进入细胞后,通过TLM端与目标蛋白(POI)结合,ELM端则与E3连接酶结合,形成稳定的三元复合物。这一过程促使目标蛋白被非自然地多泛素化,随后被26S蛋白酶体识别并降解。这种机制相比传统的小分子抑制剂具有显著优势,因为它可以降解没有活性位点的“不可成药”蛋白,并且通过催化机制发挥作用,一个PROTAC分子可以降解多个目标蛋白分子。
分析思路
首先,算法和生物之间的联系在很大程度上是通过数据驱动的。在PROTACs降解能力预测的任务中,算法依赖于生物实验产生的大量数据(如demo数据集)。这些数据包含了PROTACs分子的结构信息、目标蛋白的信息以及降解效能的量化指标(如DC50和Dmax)。算法通过对这些数据的分析和学习,能够发现数据中的模式和规律,进而预测新的PROTACs分子的降解能力。
-
要求选手使用提供的demo数据集,这个数据集包含了多个与PROTACs降解能力相关的字段。
-
数据集包含了多个字段,如
uuid
(唯一标识符)、Label
(降解能力的标签,0表示降解能力较差,1表示降解能力好)、Uniprot
、Target
、E3 ligase
、PDB
等,这些都是与PROTACs分子相关的信息。 -
还包括了降解能力相关的数值指标,如
DC50
(半数降解浓度)、Dmax
(最大降解效率)、IC50
(半抑制浓度)、EC50
(半有效浓度)等。 -
还包括了与分子物理化学性质相关的字段,如
Molecular Weight
(分子量)、Exact Mass
(精确质量)、XLogP3
(预测的脂水分配系数)等
具体字段讲解可以看大佬的解析:
Task1主要讲了生物背景和AI联系,Task2会讲解算法的具体实现。