[论文解读] Chemistry42: An AI-based platform for de novo molecular design

Yan A. Ivanenkov, Alexander Zhebrak+8 more|arXiv (Cornell University)|Jan 22, 2021

Computational Drug Discovery Methods参考文献 21被引用 10

一句话总结

Chemistry42 是一个由人工智能驱动的小分子从头设计平台，整合生成式人工智能与计算化学及药物化学，以创建具有预定生物特性的新型分子结构。该平台通过在化学和生物数据上训练的条件生成模型实现这一目标，成功生成了经过体外和体内验证的分子，展示了其在加速药物发现方面的潜力。

ABSTRACT

Chemistry42 is a software platform for de novo small molecule design that integrates Artificial Intelligence (AI) techniques with computational and medicinal chemistry methods. Chemistry42 is unique in its ability to generate novel molecular structures with predefined properties validated through in vitro and in vivo studies. Chemistry42 is a core component of Insilico Medicine Pharma.ai drug discovery suite that also includes target discovery and multi-omics data analysis (PandaOmics) and clinical trial outcomes predictions (InClinico).

研究动机与目标

• 开发一个 AI 平台，实现具有特定预设特性的全新小分子从头设计。
• 将生成式人工智能与计算化学及药物化学工作流程整合，实现端到端的分子设计。
• 通过实验测试（体外和体内）验证生成的分子，以确保其生物相关性。
• 建立一个可扩展且可重复的 AI 驱动药物发现框架。

提出的方法

• 该平台采用在大规模化学和生物数据上训练的条件生成模型，以生成新型分子结构。
• 使用基于图的分子表示的条件变分自编码器（VAE），以确保化学有效性和多样性。
• 通过目标特性（例如溶解度、活性、毒性）进行条件控制，引导分子生成以符合期望的特性谱。
• 系统结合实验数据形成反馈回路，迭代优化和改进分子候选物。
• 与 Insilico Medicine 套件中的其他平台集成，包括 PandaOmics（靶点发现）和 InClinico（临床试验预测）。
• 平台支持分子生成与性质预测，实现对先导化合物的快速筛选和优先排序。

实验结果

研究问题

• RQ1 AI 平台能否生成具有预设生物特性的新颖且化学有效的分子？
• RQ2 条件生成模型在预测和优化分子性质（如溶解度、活性和毒性）方面效果如何？
• RQ3 AI 生成的分子在多大程度上可通过体外和体内实验得到验证？
• RQ4 与多组学及临床预测工具的集成在多大程度上提升了药物发现流程？

主要发现

• Chemistry42 已成功生成具有预设特性的新型分子结构，并通过体外和体内研究得到验证。
• 该平台在使用基于图表示的条件 VAE 时，展现出高化学有效性和多样性。
• 生成的化合物表现出靶向特异性生物活性，证实了模型的预测能力。
• Chemistry42 与 PandaOmics 和 InClinico 的集成，实现了连贯的端到端药物发现工作流程。
• 系统在生成、预测与实验验证之间实现了快速迭代周期，显著加速了先导化合物的识别。
• 平台性能通过真实世界实验测试得到验证，证实其在药物发现中的实际应用价值。