研究前沿：分子生成框架PocketFlow

张明 2024-03-12

基于深度学习的分子生成发挥着广泛的应用，特别是在药物发现领域。然而，目前大多数深度生成模型都是基于配体的，在分子生成过程中，没有考虑化学知识，往往导致成功率相对较低。

今日，四川大学Yuanyuan Jiang, Guo Zhang, Jing You, Hailin Zhang, Rui Yao，杨胜勇Shengyong Yang等，在Nature Machine Intelligence上发文，提出了基于结构的分子生成框架（命名为PocketFlow），明确考虑了化学知识，可在蛋白质结合口袋内，生成新的配体分子。

在各种计算评估中，PocketFlow显示出最先进的性能，生成的分子100%化学有效且高度类似药物。消融实验证明，在确保生成分子的有效性和药物相似性方面，化学知识具有关键作用。

将PocketFlow应用于两个新的与表观遗传调控相关靶蛋白HAT1和YTHDC1，并成功获得了经wet-lab验证的生物活性化合物。活性化合物与靶蛋白的结合模式与分子对接预测的模式接近，并通过X射线晶体结构进一步证实。

结果表明，PocketFlow是有用的深度生成模型，在蛋白质结合口袋的情况下，从零开始生成创新的生物活性分子。