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

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。