Аналог AlphaFold от китайских исследователей
ИИ-платформа DrugCLIP ускоряет виртуальный поиск лекарственных молекул примерно в миллион раз по сравнению с классическими методами молекулярного докинга.
Проблема, которую решает DrugCLIP, заключается в масштабе. Геном человека кодирует более 20 тысяч белков, но в фармакологии используется лишь малая их часть. Полноценный перебор потенциальных лекарств для тысяч белковых мишеней с помощью традиционных инструментов занял бы сотни лет вычислений на одном компьютере. DrugCLIP сокращает это время до одного дня на одном вычислительном узле.
Ключевая идея платформы - переосмысление молекулярного докинга как задачи семантического поиска. Белковые карманы и малые молекулы переводятся в векторное пространство, где их совместимость оценивается чрезвычайно быстро. На системе с 128-ядерным CPU и 8 GPU платформа способна ежедневно оценивать триллионы пар "белок-молекула".
В первом в мире проекте виртуального скрининга на масштабе генома команда проанализировала около 10 000 белковых мишеней, 20 000 белковых карманов и более 500 миллионов лекарственно-подобных молекул. Результатом стали свыше 2 миллионов потенциально активных соединений и крупнейшая на сегодняшний день база данных белок-лигандных взаимодействий. Эта база открыта для мирового научного сообщества.
DrugCLIP дополняет достижения AlphaFold: если AlphaFold решил задачу предсказания структуры белков, то DrugCLIP закрывает следующий критический этап - переход от структуры белка к реальному поиску лекарств. Платформа уже доступна как сервис, за полгода её использовали более 1400 исследователей, выполнивших свыше 13 500 задач скрининга.
В перспективе разработчики планируют использовать DrugCLIP для ускорения поиска новых мишеней и first-in-class препаратов, в том числе в онкологии, инфекционных и редких заболеваниях
https://www.science.org/doi/10.1126/science.ads9530
#искусственный_интеллект
Post #1185
209
Forwarded from Solid State Humanity
Science Deep contrastive learning enables genome-wide virtual screening Recent breakthroughs in protein structure prediction have opened new avenues for genome-wide drug discovery, yet existing virtual screening methods remain computationally prohibitive. We present DrugCLIP, a contrastive learning framework that achieves ...- 🔥 4
- 🤔 2