[Seminar] Deep Generative Models for Molecule Optimization
Le prochain séminaire LIVIA se tiendra le Jeudi 3 février à 12h00 par Zoom.
Titre: Modèles génératifs profonds pour l'optimisation des molécules
par le Dr Xia Ning, professeur associé au département d'informatique biomédicale et au département d'informatique et d'ingénierie de l'Ohio State University
Résumé:
L'optimisation des molécules est une étape critique dans le développement de médicaments pour améliorer les propriétés souhaitées des candidats-médicaments par la modification chimique. Dans cet exposé, je présenterai un nouveau modèle génératif profond Modof sur les graphes moléculaires pour l'optimisation des molécules. Nous avons développé Modof en tirant parti des approches d'apprentissage en profondeur les plus avancées qui permettent un apprentissage approfondi de la représentation de la structure des molécules et la génération de nouvelles molécules grâce à l'échantillonnage à partir des représentations et de l'encodage des molécules. Suivant la logique de la conception de médicaments à base de fragments, Modof modifie une molécule donnée en prédisant un seul site de déconnexion au niveau de la molécule et la suppression et/ou l'ajout de fragments au niveau de ce site. Un pipeline de plusieurs modèles Modof identiques est implémenté dans Modof-pipe pour optimiser les molécules sur plusieurs sites de déconnexion. Ici, nous montrons que Modof-pipe peut conserver les principaux échafaudages moléculaires, permettre des contrôles sur les étapes d'optimisation intermédiaires et mieux contraindre les similitudes des molécules. Modof-pipe surpasse les méthodes de pointe sur les ensembles de données de référence, avec une amélioration des propriétés de 121.0 % sans contraintes de similarité moléculaire, et une amélioration de 82.0 % et 10.6 % si les molécules optimisées sont au moins 0.2 et 0.4 similaires à celles avant optimisation , respectivement. Je présenterai également brièvement nos autres travaux sur la priorisation des candidats médicaments et la sélection des médicaments à l'aide de l'apprentissage automatique.
