计算与 AI 药物发现 arXiv
强化学习设计的神经氨酸酶抑制剂在细胞和小鼠中对甲、乙型流感显示活性
- 基于强化学习的分子设计平台针对甲型和乙型流感神经氨酸酶生成了大量多样化化合物,其中多数设计的理化性质优于奥司他韦。
- 经计算筛选后,对少量非唾液酸样结构化合物进行实验测试;其中两个化合物可抑制两种病毒,包括耐药突变株,模拟显示其与残基的相互作用模式类似奥司他韦。
- 两个命中化合物在细胞实验中均有活性,并在感染小鼠中提供保护,表明生成式强化学习可用于发现经体外和体内验证的抗病毒药物。
要点 基于摘要的观点
物化性质优于奥司他韦其实门槛不高,它本身就是极性较强的羧酸酯前药,性质并不出众。真正该问的是:这些命中物相对扎那米韦、帕拉米韦等已知NA骨架是否确属新颖,RL是否胜过简单枚举或对接基线。下一步应测包括H275Y在内的酶IC50变化,并补充药代和体内剂量-效应数据。
原论文: arXiv ↗ Discovery of new antiviral agents through artificial intelligence: in vitro and in vivo results