一种自动化的分子设计方法及装置制造方法及图纸

本申请实施例提供了一种自动化的分子设计方法及装置

【技术实现步骤摘要】
一种自动化的分子设计方法及装置


[0001]本申请涉及药物设计
，特别是涉及一种自动化的分子设计方法及装置
。

技术介绍

[0002]新药研发昂贵
、
漫长且艰难，成本与收益对比鲜明，随着人工智能
(Artificial Intelligence
，
AI)
在医药领域蓬勃发展，这种全新范式的新药研发被认为是最有前景的方向之一
。AI
技术能大幅度减少药物发现的时间和投入成本，尤其是以深度学习为代表的
AI
分子生成技术，如骨架跃迁技术，片段生成技术以及从头设计技术等是当前
AI
制药技术的核心方法
。
[0003]化学空间是十分巨大的，因此，研究人员在通过针对特定靶点来定向的对分子进行生成时，希望能更有效地遍历化学空间，使得需要考虑的分子数量在一个更小的范围内
。
分子设计使用
AI
生成模型包括循环神经网络
(Recurrent neural network
，
RNN)
，变分自编码器
(Variational autoencoder,VAE)
，生成对抗神经网络
(Generative adversarial network
，
GAN)
，流模型
(Generative glow
‑
based model
，
FLOW)
和生成式的预训练
(Generative Pre
‑
Training
，
GPT)
等方法在化合物原子，片段或者反应维度在连续的潜在空间中探索分子
。
与人类相比，
AI
分子生成模型拥有从大量数据中学习的能力，以及超越化学直觉的分子设计的潜力，能够探索更广阔的化学空间并具备针对特定分子性质的分子优化能力，已被广泛应用于许多重要的分子设计和分子优化项目当中
。
[0004]随着近年来，计算机技术尤其是云计算技术的不断发展，
AI
分子生成模型能够针对给定的靶点和性质约束条件生成大量的分子
。
如何快速的
、
自动化的基于分子成药性，分子
3D
特征，分子与靶点的关键相互作用以及结合药化专家的经验从这些分子中筛选出潜在有效的分子可以进一步提高研发效率
。

技术实现思路

[0005]本申请实施例所要解决的技术问题是提供一种自动化的分子设计方法及装置，以高效地设计选中靶点潜在的活性化合物
。
[0006]第一方面，本申请实施例提供了一种自动化的分子设计方法，所述方法包括：
[0007]获取待筛选分子；
[0008]将所述待筛选分子与蛋白质靶点进行对接处理，得到复合物构象；
[0009]对所述复合物构象进行
3D
自动筛选处理，得到候选分子
。
[0010]可选地，所述待筛选分子为基于分子生成方案执行分子生成算法获取
。
[0011]可选地，所述分子生成方案包括：
R
‑
基生成
、
侧链生成
、linker
生成
、
骨架跃迁和从头生成中的至少一种；
[0012]所述
R
‑
基生成
、
侧链生成
、linker
生成和骨架跃迁为基于特定子结构的分子生成，所述
R
‑
基生成指定生长位点，所述侧链生成不指定具体的生长位点
。
[0013]可选地，所述分子生成算法基于蛋白质结晶数据中的结合口袋信息和
/
或活性分
子数据进行实时微调训练得到
。
[0014]可选地，所述
3D
自动筛选处理包括：判断所述复合物构象中的待筛选分子是否与所述蛋白质靶点的特定氨基酸残基之间形成特定相互作用
。
[0015]可选地，所述
3D
自动筛选处理包括：将所述蛋白质靶点的已知活性分子作为参考分子，计算所述参考分子的特定子结构与所述待筛选分子的特定子结构在与蛋白质靶点结合时的空间位置叠合程度
。
[0016]可选地，所述
3D
自动筛选处理包括：判断所述复合物构象中的特定区域是否存在特定种类的原子
。
[0017]可选地，将所述待筛选分子与蛋白质靶点进行对接处理前，对所述待筛选分子进行自动化不合理子结构筛选；所述不合理子结构包括：稳定性低的子结构
、
罕见的子结构和合成难度高的子结构中的至少一种
。
[0018]可选地，将所述待筛选分子与蛋白质靶点进行对接处理前，对所述待筛选分子进行自动化属性筛选；所述属性筛选条件包括：分子量
、
拓扑极性表面积
、
脂溶性
、
水溶性
、PAINS、Alerts
和可合成性中的至少一种
。
[0019]第二方面，本申请实施例提供了一种自动化的分子设计装置，所述装置包括：
[0020]待筛选分子获取模块，用于获取待筛选分子；
[0021]复合物构象获取模块，用于将所述待筛选分子与蛋白质靶点进行对接处理，得到复合物构象；
[0022]候选分子获取模块，用于对所述复合物构象进行
3D
自动筛选处理，得到候选分子
。
[0023]可选地，所述待筛选分子为基于分子生成方案执行分子生成算法获取
。
[0024]可选地，所述分子生成方案包括：
R
‑
基生成
、
侧链生成
、linker
生成
、
骨架跃迁和从头生成中的至少一种；
[0025]所述
R
‑
基生成
、
侧链生成
、linker
生成和骨架跃迁为基于特定子结构的分子生成，所述
R
‑
基生成指定生长位点，所述侧链生成不指定具体的生长位点
。
[0026]可选地，所述分子生成算法基于蛋白质结晶数据中的结合口袋信息和
/
或活性分子数据进行实时微调训练得到
。
[0027]可选地，所述
3D
自动筛选处理包括：判断所述复合物构象中的待筛选分子是否与所述蛋白质靶点的特定氨基酸残基之间形成特定相互作用
。
[0028]可选地，所述
3D
自动筛选处理包括：将所述蛋白质靶点的已知活性分子作为参考分子，计算所述参考分子的特定子结构与所述待筛选分子的特定子结构在与蛋白质靶点结合时的空间位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种自动化的分子设计方法，其特征在于，所述方法包括：获取待筛选分子；将所述待筛选分子与蛋白质靶点进行对接处理，得到复合物构象；对所述复合物构象进行
3D
自动筛选处理，得到候选分子
。2.
根据权利要求1所述的方法，其特征在于，所述待筛选分子为基于分子生成方案执行分子生成算法获取
。3.
根据权利要求2所述的方法，其特征在于，所述分子生成方案包括：
R
‑
基生成
、
侧链生成
、linker
生成
、
骨架跃迁和从头生成中的至少一种；所述
R
‑
基生成
、
侧链生成
、linker
生成和骨架跃迁为基于特定子结构的分子生成，所述
R
‑
基生成指定生长位点，所述侧链生成不指定具体的生长位点
。4.
根据权利要求2所述的方法，其特征在于，所述分子生成算法基于蛋白质结晶数据中的结合口袋信息和
/
或活性分子数据进行实时微调训练得到
。5.
根据权利要求1所述的方法，其特征在于，所述
3D
自动筛选处理包括：判断所述复合物构象中的待筛选分子是否与所述蛋白质靶点的特定氨基酸残基之间形成特定相互作用
。6.
根据权利要求1所述...

【专利技术属性】
技术研发人员：曾浩，杨卓，鲍灵杰，宋剑飞，邓亚峰，施慧，
申请(专利权)人：杭州碳硅智慧科技发展有限公司，
类型：发明
国别省市：