本文是韩国科学技术院的Dongsup Kim等人发表在scientific reports上的论文”Autonomous molecule generation using reinforcement learning and docking to develop potential novel inhibitors”。作者开发了一种计算方法,称为强化学习和对接的分子优化(MORLD),它通过结合强化学习和对接来自动生成和优化先导化合物,以开发新抑制剂。该模型只需要目标蛋白结构,通过直接修饰配体结构,就可以在没有任何其他训练数据的情况下获得具有更高目标蛋白预测结合强度的分子。 本文开发了一种名为MORLD的自主分子生成方法,通过结合强化学习和对接,自动生成和优化先导化合物。首先,MORLD除了目标蛋白结构,不需要任何训练数据,这使得MORLD成为针对新药物靶点的理想工具。第二,MORLD不需要模型构建和培训程序,这使得没有建模专业知识的人也可以使用MORLD。第三,MORLD可以作为一种工具,在超大型复合库上补充虚拟筛选过程。最后,有一个公共服务器(http://morld.kaist.ac.kr),它易于使用,运行相对快速,可以使药物开发人员立即获得其目标蛋白的结果。 论文链接 代码链接

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