Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo. La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro. Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.
Generación molecular 3D controlable para el diseño de fármacos basado en la estructura mediante redes de flujo bayesiano e integración de gradientes
Created by
Haebom
Autor
Seungyeon Choi, Hwanhee Kim, Chihyun Park, Dahyeon Lee, Seungyong Lee, Yoonju Kim, Hyoungjoon Park, Sein Kwon, Youngwan Jo, Sanghyun Park
Describir
Este artículo identifica las limitaciones de los modelos generativos utilizados en el diseño de fármacos basado en la estructura (SBDD) para generar moléculas tridimensionales y propone CByG, un nuevo marco para superar estas limitaciones. Si bien los modelos generativos basados en la difusión se centran principalmente en la afinidad de unión a la proteína diana para su evaluación, la sintetizabilidad y la selectividad también son factores importantes en el descubrimiento de fármacos en el mundo real. CByG es un modelo generativo condicional basado en gradientes que extiende las redes de flujo bayesianas. Integra eficazmente diversas características farmacológicas, como la afinidad de unión, la sintetizabilidad y la selectividad, para guiar la generación de moléculas. Los resultados experimentales demuestran que CByG supera a los modelos existentes en múltiples criterios de evaluación, lo que sugiere su aplicabilidad al descubrimiento de fármacos en el mundo real.
Takeaways, Limitations
•
Takeaways:
◦
Se presenta un nuevo marco de modelo generativo (CByG) para superar las limitaciones del SBDD existente.
◦
Proponer un método de evaluación integral que considere no sólo la afinidad de unión sino también la viabilidad sintética y la selectividad.
◦
La integración efectiva de varias propiedades farmacológicas sugiere una posible contribución al descubrimiento de fármacos reales.
◦
Se ha demostrado experimentalmente que CByG supera a los modelos existentes.
•
Limitations:
◦
Se necesita más investigación sobre el método de evaluación propuesto y la generalización del CByG.
◦
Se necesita mayor validación y optimización para su aplicación en procesos reales de desarrollo de fármacos.
◦
Es necesario analizar el coste computacional y la complejidad del modelo CByG.
