Nature子刊:人工智能可以设计任何化合物的最佳合成路径?中山大学陈语谦团队提出一种端到端图生成架构用于逆合成预测

2023-05-28 iNature iNature 发表于上海

该研究基于反应转化的简易机理提出了一种基于图神经网络的图到编辑架构Graph2Edits,用于逆合成预测。

逆合成是有机化学家广泛使用的一种方法,通过将目标分子递归分解为更简单的前体分子来设计目标化合物的合成路线。逆合成预测是一个一对多的问题,即合成同一个目标分子可能存在多个反应方法,而由于所有可能的化学转化的巨大搜索空间,即使对于经验丰富的化学家也极具挑战性。因此,如何从化学家思考的角度利用AI实现任何化合物都可以逆合成预测算法提升模型预测的精度和可解释性,对于分子的合成路线设计至关重要。

2023年5月25日,中山大学陈语谦团队在Nature Communications发表了题为“Retrosynthesis prediction using an end-to-end graph generative architecture for molecular graph editing”的研究论文。该研究基于反应转化的简易机理提出了一种基于图神经网络的图到编辑架构Graph2Edits,用于逆合成预测。

该研究表明,Graph2Edits的设计策略可以增强逆合成反应预测模型的合理性和可解释性,与其他先进的基线模型相比表现出更高的预测性能,并在一些复杂反应中具有较高的适用性,可以进一步用于药物分子的合成路线设计。

图片

在药物发现的分子设计-合成-测试的循环中,小分子的化学合成一直是阻碍其效果验证和影响成功率的一个重要因素。近年来,随着AI技术的快速发展和化学反应数据的积累,基于深度学习的计算机辅助合成规划(CASP)方法如雨后春笋般涌现,可以帮助化学家在设计合成实验时节省大量时间和精力。然而,目前逆合成模型在预测精度、多样性以及可解释性等方面的局限性限制了其在合成路线规划中的实际应用因此,如何从化学家思考反应发生的角度出发提升基于AI的逆合成预测模型的效果和适用性仍然是一个迫切重要的研究课题。

图片

Graph2Edits的设计动机(简化的反应机理)与整体架构

基于反应转化的简易机理,研究提出了一种新的基于端到端半模板的逆合成反应预测模型Graph2Edits。具体地说,模型将逆合成反应预测表示为通过一系列相互关联的图编辑来完成产物-中间体-反应物推导的过程来学习反应转化的规则,就像化学家思考反应是如何发生的一样;端到端的模型架构以自回归的方式生成任意长度的图编辑序列,能够增强多个生成步骤之间的紧密联系,提高其在多中心反应中的适用性和预测的多样性;使用定向消息传递神经网络D-MPNN对局部原子/键和全局图特征进行编码以充分利用化合物的结构信息来预测原子/键编辑和生成终止符,并将作为离去基团的子图添加到中间体完成反应物的生成以贴近更真实的反应转化过程,可以显著减少生成步骤,提升其预测性能。

实验表明,与基准模型相比,Graph2Edits在不同评估方法中实现了更高的逆合成预测精度,top-1精确匹配精度达到了55.1%,能够有效地搜索合理反应的潜在空间,显示出在复杂反应中优秀的适用性和泛化能力,提高了预测结果的多样性和可解释性。

图片

图片

Graph2Edits在多步逆合成反应路线预测的应用

为了验证模型在合成路线规划中的实际用途,该研究选择了3个重磅药物分子作为例子进行合成路线的设计,包括用于治疗COVID-19的口服SARS-CoV-2 Mpro抑制剂奈玛特韦(Nirmatrelvir),用于治疗非小细胞肺癌的第三代EGFR抑制剂奥希替尼(Osimertinib)和用于治疗多发性骨髓瘤的来那度胺(Lenalidomide)。结果显示,Graph2Edits模型成功地预测了这些药物分子的完整合成路线,验证了其在分子的多步逆合成路线设计中潜在的实际应用价值。

论文链接:

https://www.nature.com/articles/s41467-023-38851-5

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2139809, encodeId=8bd621398094c, content=深受启发, beContent=null, objectType=article, channel=null, level=null, likeNumber=72, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=2d114843943, createdName=1013100771, createdTime=Mon May 29 23:33:32 CST 2023, time=2023-05-29, status=1, ipAttribution=山东省)]
    2023-05-29 1013100771 来自山东省

    深受启发

    0

相关资讯

J Nurs Manag:护士长对人工智能和机器人护士的看法

大多数参与调查的护士长表示,人工智能和机器人护士不会取代护士,但对护士有益,可以减少护士的工作量。

人工智能设计T细胞疫苗!可持久应对不断出现的新冠变异株!

T细胞疫苗并不直接诱导体液免疫反应,而是通过激活机体细胞免疫应答,诱导体内的T细胞对病原体提供持久的保护。

Nature:人工智能再次战胜人类! 心功能评估超过超声医师

研究结果表明,AI的初步评估与超声医师的评估相比,具有相同的非劣效性和更高的优越性,且心脏科专家无法区分AI和超声技师的初步评估。

European Radiology:这一人工智能技术,为甲状腺癌的诊断带来了何种契机?

S-检测(Samsung Medison, Co., Ltd.)是一个集成到超声装置中的人工智能(AI)系统,已被引入临床实践,可以解释甲状腺结节的US特征,并提供二分法的诊断结果(良性/恶性)。

J Prosthet Dent:人工智能在种植牙科中的应用

人工智能(AI)在牙科种植程序中的应用正在增长,本研究是评估人工智能模型在种植体类型识别、使用患者风险因素和本体标准预测种植体成功以及结合有限元分析计算和人工智能模型进行种植体设计优化方面的性能。

Bioinformatics:深圳市人民医院程立新团队发表多篇应用大数据和人工智能算法进行疾病诊断和预后的研究成果

该系列研究为未来多维组学数据的整合和特征降维提供了一个新框架,也为疾病诊断和预后模型的构建提供了新思路。