Chemia i odkrywanie leków

Chemistry and drug discovery · id chemistry · aliases: molecular machine learning, AI drug discovery, cheminformatics, chemoinformatyka, projektowanie leków

Modele dla małych cząsteczek: przewidywanie właściwości, generowanie nowych struktur, dokowanie do białek i planowanie syntezy.

Models for small molecules: property prediction, generating new structures, docking to proteins and synthesis planning.

In one sentence

Uczenie maszynowe pomagające wybierać, projektować i oceniać cząsteczki, zanim chemik je zsyntetyzuje.

Machine learning that helps choose, design and assess molecules before a chemist synthesises them.

Problem it solves

Możliwych cząsteczek przypominających leki jest niewyobrażalnie dużo, a każda synteza i test to tygodnie pracy.

There are unimaginably many possible drug-like molecules, and each synthesis and test takes weeks of work.

What it does

Działa jak sito przed laboratorium: odrzuca na komputerze tysiące słabych kandydatów i zostawia garść wartych sprawdzenia.

It works like a sieve in front of the lab: it discards thousands of weak candidates on a computer and leaves a handful worth testing.

Everyday example

Firma farmaceutyczna przesiewa na komputerze miliony związków, a do probówek trafia tylko kilkaset najbardziej obiecujących.

A drug company screens millions of compounds on a computer, and only a few hundred of the most promising reach the test tubes.

This concerns you if you…

• pracujesz w farmacji, chemii lub biotechnologii
• ciekawi cię, jak skraca się drogę do nowego leku
• work in pharma, chemistry or biotech
• are curious how the road to a new drug gets shorter

Subtopics

• Dokowanie cząsteczek do białek (Molecular docking and binding prediction): Predicting a ligand's binding pose in a protein and its binding strength; classically search with a scoring function, now also generative models and whole-complex prediction.
• Generowanie nowych cząsteczek (De novo molecule generation): Generative models (SMILES language models, graph models, 3D diffusion) and reward-driven optimisation for proposing new compounds, including directly inside a protein's binding pocket.
• Planowanie syntezy wstecznej (retrosynteza) (Retrosynthesis planning): Searching synthesis routes from a target molecule back to available starting materials: networks proposing reactions plus tree search (MCTS, A*).
• Przewidywanie właściwości cząsteczek (Molecular property prediction): Regression and classification of physicochemical, biological and toxicity (ADMET) properties from a molecular representation.

Sources

• MoleculeNet: A Benchmark for Molecular Machine Learning · Zhenqin Wu, Bharath Ramsundar, Evan N. Feinberg, Joseph Gomes, Caleb Geniesse, Aneesh S. Pappu, Karl Leswing, Vijay Pande
• A Survey of Generative AI for De Novo Drug Design: New Frontiers in Molecule and Protein Generation