Daily Arxiv

This page organizes papers related to artificial intelligence published around the world.
This page is summarized using Google Gemini and is operated on a non-profit basis.
The copyright of the paper belongs to the author and the relevant institution. When sharing, simply cite the source.

Diffusion Models at the Drug Discovery Frontier: A Review on Generating Small Molecules versus Therapeutic Peptides

Created by
  • Haebom
Category
Empty

저자

Yiquan Wang, Yahui Ma, Yuhan Chang, Jiayao Yan, Jialin Zhang, Minnuo Cai, Kai Wei

개요

확산 모델은 생성 모델링 분야에서 선도적인 프레임워크로 부상했으며, 약물 발견의 전통적으로 느리고 비용이 많이 드는 프로세스를 혁신할 준비가 되어 있습니다. 이 논문은 두 가지 주요 치료 방식인 저분자 및 치료용 펩타이드 설계에 대한 확산 모델의 적용을 체계적으로 비교합니다. 반복적 디노이징의 통합 프레임워크가 각 방식의 고유한 분자 표현, 화학 공간 및 설계 목표에 어떻게 적용되는지 분석합니다. 저분자의 경우, 이러한 모델은 구조 기반 설계에 뛰어나며, 원하는 물리화학적 특성을 가진 새롭고 포켓에 맞는 리간드를 생성하지만, 화학적 합성 가능성을 보장하는 데 중요한 어려움에 직면합니다. 반대로, 치료용 펩타이드의 경우, 기능적 서열 생성 및 de novo 구조 설계에 초점을 맞추며, 주요 과제는 단백질 분해에 대한 생물학적 안정성 확보, 적절한 폴딩 보장 및 면역원성 최소화입니다. 이러한 뚜렷한 과제에도 불구하고, 두 분야 모두 공통적인 어려움에 직면합니다: 고품질 실험 데이터 부족, 검증을 위한 부정확한 스코어링 함수 의존성, 그리고 실험적 검증의 중요한 필요성. 결론적으로 확산 모델의 잠재력은 이러한 방식별 격차를 해소하고 자동화된, 폐쇄 루프 설계-제작-테스트-학습(DBTL) 플랫폼에 통합함으로써, 단순한 화학적 탐구를 넘어 새로운 치료법의 온디맨드 엔지니어링으로 패러다임을 전환함으로써 실현될 것입니다.

시사점, 한계점

시사점:
확산 모델은 저분자 및 치료용 펩타이드 설계 모두에서 유망한 접근 방식을 제시함.
구조 기반 설계, 기능적 서열 생성, de novo 구조 설계에 활용 가능.
약물 발견 프로세스 가속화 및 효율성 향상 가능성 제시.
DBTL 플랫폼 통합을 통한 자동화된 약물 설계 가능성 제시.
한계점:
고품질 실험 데이터 부족.
정확하지 않은 스코어링 함수에 대한 의존성.
실험적 검증의 필요성.
저분자: 화학적 합성 가능성 확보의 어려움.
치료용 펩타이드: 생물학적 안정성 확보, 적절한 폴딩 보장, 면역원성 최소화의 어려움.
👍