[论文解读] An Evolutionary Approach to Drug-Design Using a Novel Neighbourhood Based Genetic Algorithm

Arnab Ghosh, Avishek Ghosh+2 more|arXiv (Cornell University)|May 3, 2012

Metaheuristic Optimization Algorithms Research参考文献 11被引用 3

一句话总结

本文提出一种新型基于邻域的遗传算法（NBGA），采用动态邻域拓扑结构，用于演化药物设计中的配体结构，将分子表示为功能基团的可变尺寸树结构。该方法通过最小化配体-蛋白相互作用能实现优化，并在应用于药物设计前，先通过求解旅行商问题（TSP）验证了其可行性，从而实现了对不同蛋白活性口袋的灵活、自适应配体优化。

ABSTRACT

The present work provides a new approach to evolve ligand structures which represent possible drug to be docked to the active site of the target protein. The structure is represented as a tree where each non-empty node represents a functional group. It is assumed that the active site configuration of the target protein is known with position of the essential residues. In this paper the interaction energy of the ligands with the protein target is minimized. Moreover, the size of the tree is difficult to obtain and it will be different for different active sites. To overcome the difficulty, a variable tree size configuration is used for designing ligands. The optimization is done using a novel Neighbourhood Based Genetic Algorithm (NBGA) which uses dynamic neighbourhood topology. To get variable tree size, a variable-length version of the above algorithm is devised. To judge the merit of the algorithm, it is initially applied on the well known Travelling Salesman Problem (TSP).

研究动机与目标

• 开发一种能够生成多样且高效的配体结构的进化算法，用于药物设计。
• 解决蛋白质-配体对接中配体尺寸和复杂性可变的挑战。
• 最小化配体与靶蛋白活性口袋之间的相互作用能。
• 设计一种灵活的、可变长度的遗传算法，能够适应不同的活性口袋构型。
• 在将算法应用于药物设计前，通过基准问题（TSP）验证其性能。

提出的方法

• 配体以树结构表示，功能基团作为非空节点，实现灵活的分子表示。
• 采用一种新颖的基于邻域的遗传算法（NBGA），并引入动态邻域拓扑结构以实现优化。
• 通过动态调整遗传表示的长度，支持树结构的可变大小。
• 将配体与靶蛋白之间的相互作用能作为适应度函数，引导进化过程。
• 首先在著名的旅行商问题（TSP）上验证算法性能，以评估其优化能力。
• 动态邻域拓扑结构使得搜索空间中的探索与开发能够自适应调整。

实验结果

研究问题

• RQ1 可变长度的遗传算法能否有效演化出与靶蛋白相互作用能最低的配体结构？
• RQ2 动态邻域拓扑结构在配体优化中如何提升收敛速度与多样性？
• RQ3 所提出的NBGA在演化复杂且灵活的分子结构方面是否优于标准遗传算法？
• RQ4 树状表示在配体设计中在结构多样性和生物相关性方面能提供多大程度的支持？
• RQ5 该算法在TSP上的表现能否推广到更复杂的类药物分子设计问题中？

主要发现

• NBGA成功演化出相互作用能最小化的配体结构，展示了其在药物设计中的潜力。
• 可变长度的树结构表示在不同活性口袋构型下均实现了有效的优化。
• 该算法在旅行商问题上表现出色，验证了其优化能力。
• 动态邻域拓扑结构提升了搜索效率与进化过程的收敛速度。
• 该方法提供了一个灵活的框架，可在无需预先知晓最优尺寸或结构的情况下演化配体。
• 该方法为基于结构的药物发现中从头设计配体提供了新颖且可扩展的解决方案。