检索历史 清除

摘要分子是自然界中物质存在的基本单位，其性质的判定是药物发现的重要环节,快速高效的进行分子性质判定有助于快速确定有效药物分子。本文围绕分子3D构象的拓扑结构对小分子以及大分子的性质开展了建模分析，主要研究内容如下:<br>　　首先，结合消息传递网络和多任务深度网络的MT-ToxGNN来快速准确评估小分子的量化毒性。此方法将小分子的3D构象结构两种拓扑结构，即原子-共价键图(Atom-BondGraph,AB-G)和原子-非共价作用图(Atom-NoncolvalentGraph,AN-G)两种子拓扑结构。AB-G将原子作为节点，共价键作为边;AN-G同样把原子作为节点，但使用非共价作用作为边。然后通过双线图神经网络分别处理这两种子拓扑结构来预测小分子的多种毒性。<br>　　然后，基于ToxGNN构建的消息传递网络为基础的深度模型上，使用vdW-Graph来预测小分子的多重性质。此方法通过大规模的预训练优化了ToxGNN需要精细3D结构信息的弊端，从小分子粗粒度的2D平面结构信息入手直接完成预测。此外，vdWGraph将ToxGNN单一的毒性预测拓展至十种性质，并在小分子多重性质预测上得到有竞争性的结果。<br>　　最后，通过基于图卷积网络的深度模型DGCddG预测蛋白质大分子在突变状态下自由能变化。此方法将问题从小分子性质研究扩展至蛋白质大分子性质研究。蛋白质复合物界面被抽象为虚拟分子，残基被定义为节点，残基间相互作用(接触)被定义为边。然后DGCddG使用多层图卷积网络被用来提取环境信息。<br>　　本文所提出的方法既从3D角度对分子结构进行了更具生物意义的建模，也充分利用了图神经网络在处理拓扑结构的优秀能力，良好的实验结果也证明了无论是对小分子还是大分子本文建模方法都具有效性。为药物发现提供了重要思路。