两篇JCM文章｜机器学习对DEL苗头化合物发现建模

1、Machine Learning on DNA-Encoded Library Count Data Using an Uncertainty-Aware Probabilistic Loss Function

论文地址：https://arxiv.org/abs/2108.12471

DNA编码库（DEL）筛选和定量构效关系（QSAR）建模是药物发现中用于寻找结合蛋白质靶标的新型小分子的两种技术。将QSAR模型应用于DEL挑选数据有助于用于化合物的off-DNA合成和评估。目前这种组合方法通过训练二元分类模型无法区分不同富集级别，并且在“disynthons”(所有分子具有两个共同的构建块)聚合过程中可能会丢失信息。

作者对DEL实验工作流程中测序过程的泊松统计进行了建模。在针对碳酸酐酶 (CAIX) 筛选的 108,528 种化合物的 DEL 数据集和针对可溶性环氧化物水解酶 (sEH) 和 SIRT2 筛选的 5,655,000 种化合物的数据集上说明了这种方法。

2、Machine learning on DNA-Encoded Libraries: A New Paradigm for Hit Finding

论文链接：https://pubs.acs.org/doi/pdf/10.1021/acs.jmedchem.0c00452

作者仅使用 DEL 选择数据训练模型，并将自动或可自动化过滤器应用于预测，在 30 μM 时的总命中率约为 30%，并且对于3个靶点都找到了有效的苗头化合物 (IC 50< 10 nM) 。

内容中包含的图片若涉及版权问题，请及时与我们联系删除