题目:Deep Learning-Based Bioactive Therapeutic Peptide Generation and Screening
文献来源: https://doi.org/10.1021/acs.jcim.2c01485(JCIM)
代码:https://github.com/haiping1010/New_peptide_iteration
简介:许多生物活性肽对复杂的疾病都有治疗作用,如抗病毒、抗菌、抗癌等。利用深度学习可以生成大量潜在的生物活性肽,类似于利用获得的生物活性肽作为训练集生成从头化合物。这种生成技术将对药物开发非常重要,因为多肽比化合物更容易和更便宜地合成。尽管基于深度学习的肽生成模型的可用性有限,但我们已经建立了一个LSTM模型(称为LSTM_Pep)来生成从头肽,并对模型进行微调,以生成具有特定预期治疗效益的肽。值得注意的是,抗菌肽数据库已被有效地用于生成各种潜在的活性从头肽。作者提出了一个筛选为给定目标生成的多肽的管道,并使用SARSCOV-2的主要蛋白酶作为概念验证。此外,作者开发了一个基于深度学习的蛋白质−肽预测模型(DeepPep),用于快速筛选给定目标生成的肽。结合生成模型,本文已经证明了可以实现迭代微调训练、生成和筛选肽的高预测结合亲和力肽。该工作揭示了开发基于深度学习的方法和管道,以有效地生成和获得具有特定治疗效果的生物活性肽,并展示了人工智能如何帮助发现能够与特定目标结合的从头生物活性肽。
主要内容:
-------------------------------------------
欢迎点赞收藏转发!
下次见!