基于分子生成模型的SOS1抑制剂衍生物设计

作者：成凯阳; 胡晨骏^*; 胡孔法

来源：计算机时代, 2023, (11): 94-99.

DOI：10.16644/j.cnki.cn33-1094/tp.2023.11.019

• 数据增强
• 强化学习
• 虚拟筛选
• 多样性

针对现有SOS1抑制剂中新颖结构数量较少的问题，提出一种结合RNN及Transformer的改进分子生成算法RT。首先用ChEMBL数据集对Transformer模型预训练，通过数据增强方法提高模型学习分子表征的能力；然后用SOS1抑制剂对预训练模型进行微调，运用强化学习方法设计MRTX0902的衍生物，并与对Specs库进行虚拟筛选的方法比较生成分子的质量。结果表明，R-T算法能生成多样性高、易合成的候选SOS1抑制剂，多样性为0.693，可合成性为3.14。这表明其在生成新颖化学结构上的有效性。

• 单位
  南京中医药大学