Nat Commun|中南大学李敏等:同时进行亲合性打分和药物分子设计的深度学习框架
智药邦
2025-06-27 08:00
文章摘要
本文介绍了中南大学李敏教授团队提出的DeepDTAGen模型,该模型通过整合“打分”和“设计”两个任务,实现了蛋白-配体亲合性预测和药物分子生成的同时优化。研究背景指出,传统的药物设计方法通常需要分别使用预测模型和生成模型,而DeepDTAGen通过多任务学习策略和FetterGard梯度调节算法,解决了梯度冲突问题,提升了模型性能。研究目的旨在验证模型在KIBA、Davis和BindingDB数据集上的表现,结果表明DeepDTAGen在亲合性预测和分子生成方面均优于其他深度学习模型。结论部分指出,尽管模型在生成分子的多样性方面存在不足,但其创新性地整合了预测和生成任务,为药物设计提供了新的思路。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。