分子AI预测赛Task1笔记

#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：

Docs

Task1主要讲了生物背景和AI联系，Task2会讲解算法的具体实现。