学术速运|基于图的分子质量评价的迭代多目标深度强化学习进行药物设计

​题目：De Novo Drug Design by Iterative Multi-Objective  Deep Reinforcement Learning with Graph-based Molecular Quality Assessment

文献来源:10.1093/bioinformatics/btad157 (bioinformatics)

代码：https://github.com/yifang000/QADD

简介：在广阔的化学空间中产生高质量和药物相似性的分子是药物发现的一大挑战。现有的分子生成方法大多关注分子的多样性和新颖性，而忽略了生成过程中生成的分子的药物潜力。在本研究中，作者提出了一种新的基于多目标质量评价的药物设计方法QADD，该方法集成了一个迭代细化框架与一种新的基于图的药物潜力分子质量评价模型。QADD设计了一种多目标深度强化学习管道，迭代生成具有多个期望性质的分子，其中引入了一种基于图神经网络的模型，用于对药物潜力的精确分子质量评估，以指导分子的生成。实验结果表明，QADD可以联合优化多分子性质，具有良好的性能，质量评估模块能够引导生成的具有高药物潜力的分子。此外，应用QADD生成与生物靶蛋白DRD2结合的新分子也证明了该算法的有效性。

主要内容：

-------------------------------------------

欢迎点赞收藏转发！

下次见！