近日，365英国上市官网在线羅海彬教授團隊在生物信息學領域國際權威期刊《Briefings in Bioinformatics》（IF因子: 10.5; 中科院一區）在線發表題為“3D-SMGE: A Pipeline for Scaffolds-based Molecular Generation and Evaluation”的研究論文，該研究發展了藥物設計新方法3D-SMGE，可作為人工智能輔助藥物分子生成的神經網絡管道，包含高效的3D分子生成模型和高精度的ADMET性質預測，為創新藥物的結構優化提供了一種具有前景的藥物設計新方法。該論文還以創新藥物重要靶标PDE4為例，發現一系列具有良好ADMET性質與基礎性質的類藥性分子。

3D-SMGE工作流程，從數據處理、模型訓練、基于骨架的分子生成到性質評估

在藥物發現的過程中，關鍵問題之一就是如何從特定結構出發通過結構改造獲得更佳生物活性和ADMET性質，也稱為結構優化。基于一個起始的核心骨架，使用深度生成模型生成具有所需性質的類藥分子，将為加速結構優化過程提供強大工具。為了有效地從特定骨架生成分子，并為結構優化提供基礎，該論文提出了3D-SMGE工作，包括分子生成模塊與ADMET性質預測模塊。對于分子生成模塊，論文中使用基于原子類型與空間坐标的3D分子表征方式，提出了用于端到端設計的深度生成模型3D-SMG。在3D-SMG模型中，設計了交叉聚合連續濾波卷積（ca-cfconv），用于實現高效低成本的3D空間特征提取，同時确保了原子空間旋轉與平移的不變性。3D-SMG也被證明能夠生成有效、獨特和新穎的類藥分子。此外，論文中提出數據自适應多模型（data-adaptive multi-model）的ADMET預測方法在27個ADMET基準數據集中，其中24個數據集表現優于或保持最佳評估指标結果。

該研究成果以海南大學為第一單位，365英国上市官网在线碩士生許超為第一作者，365英国上市官网在线羅海彬教授、中山大學李哲副教授為共同通訊作者，365英国上市官网在线黃姝姮副教授等參與課題研究和指導。研究工作得到了國家自然科學基金、海南省自然科學基金等項目支持。

全文鍊接：https://academic.oup.com/bib/article-abstract/24/6/bbad327/7281738.