AI驅(qū)動的DigFrag技術(shù)：精準(zhǔn)分割與重構(gòu)44種藥物與分子的創(chuàng)新之旅

自建數(shù)據(jù)庫收錄近 3,000 種藥物數(shù)據(jù)

原標(biāo)題：登Nature子刊！華中師范大學(xué)提出DigFrag，用AI精準(zhǔn)分割分子片段，并生成44個藥物/分子
文章來源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：7937字

數(shù)字化分段方法 DigFrag 的創(chuàng)新與應(yīng)用

近期，華中師范大學(xué)的研究團(tuán)隊開發(fā)了一種名為 DigFrag 的數(shù)字化分段方法，這一創(chuàng)新在藥物發(fā)現(xiàn)領(lǐng)域展現(xiàn)出巨大的潛力。DigFrag 通過局部聚焦于分子圖，強(qiáng)調(diào)關(guān)鍵子結(jié)構(gòu)并將其分割成片段，進(jìn)而生成符合預(yù)期化學(xué)特性的化合物。該方法不僅提高了片段結(jié)構(gòu)的多樣性，還為基于片段的藥物發(fā)現(xiàn)（FBDD）提供了新的解決方案。

1. FBDD 的挑戰(zhàn)與 AI 的引入

雖然 FBDD 在藥物研發(fā)中起著關(guān)鍵作用，但有效的分子片段庫構(gòu)建一直是個挑戰(zhàn)。傳統(tǒng)方法多依賴經(jīng)驗直覺，難以實現(xiàn)結(jié)構(gòu)的多樣化。AI 的出現(xiàn)為這一難題帶來了新的機(jī)遇，DigFrag 的開發(fā)就是一個典型例子。通過 AI 技術(shù)，該方法能從機(jī)器學(xué)習(xí)的角度出發(fā)，識別和生成更為多樣化的分子片段。

2. DigFrag 的工作流程與優(yōu)勢

DigFrag 的工作流程分為三個步驟：首先，基于圖神經(jīng)網(wǎng)絡(luò)對分子進(jìn)行片段化；其次，整合多種分段方法（如 BRICS、RECAP、MacFrag）以提升生成能力；最后，建立用戶友好的在線平臺 MolFrag，支持多種分子分析和設(shè)計。實驗表明，DigFrag 生成的片段在結(jié)構(gòu)多樣性上優(yōu)于傳統(tǒng)方法，特別是在片段的可旋轉(zhuǎn)鍵數(shù)量和獨特性方面。

3. 實驗結(jié)果與模型評價

研究采用五折交叉驗證對 DigFrag 方法進(jìn)行評估，結(jié)果顯示其生成的藥物和片段在多個關(guān)鍵性能指標(biāo)上表現(xiàn)出色，尤其在分子量、QED 和 SA 屬性分布上與 MOSES 數(shù)據(jù)集的相似性最高。此外，DigFrag 模型生成的分子在毒性和穩(wěn)定性方面也展現(xiàn)出更高的安全性，為藥物開發(fā)提供了更可靠的基礎(chǔ)。

4. 未來展望與 AI 的重要性

隨著 AI 技術(shù)的發(fā)展，其在藥物發(fā)現(xiàn)與設(shè)計中的應(yīng)用越來越深入。DigFrag 和其他相關(guān)模型的成功應(yīng)用表明，AI 能夠有效提升藥物研發(fā)的效率和成功率，為患者提供更安全、更有效的治療方案。未來，我們可以期待 AI 在藥物開發(fā)領(lǐng)域帶來更多創(chuàng)新和突破。

總之，DigFrag 方法為藥物發(fā)現(xiàn)領(lǐng)域提供了一種新的思路和解決方案，結(jié)合 AI 技術(shù)的應(yīng)用，極大地推動了分子設(shè)計的進(jìn)步，展現(xiàn)出廣闊的應(yīng)用前景。

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：
作者簡介：解構(gòu)技術(shù)先進(jìn)性與普適性，報道更前沿的 AIforScience 案例