PharmCast: rapid generation of three-dimensional pharmacophore fingerprints from two-dimensional structure without conformer generation
PharmCast 是一种前馈神经网络，能够直接从 2D SMILES 字符串快速且准确地预测 3D 药效团指纹，无需生成构象，从而以传统方法极低的计算成本实现高效的虚拟筛选和骨架跃迁。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在药物研发领域，科学家们通常并不将药物视为一个僵硬的物体，而是一组等待被识别的特征。想象一把钥匙，它不需要看起来像特定的锁，只需要拥有合适的凸起和凹槽以契合其内部机制。这种被称为“药效团”（pharmacophore）的概念表明，一个分子与生物靶点结合的能力取决于一小组化学特征——例如氢键供体、受体或芳香环——这些特征以特定的三维模式排列。几十年来，研究人员一直利用这一概念来寻找新药，寻找那些即使底层化学骨架完全不同，但仍共享这些空间模式的化合物。这种识别不相关结构之间相似性的能力被称为“骨架跃迁”（scaffold hopping），这对于在显而易见的化学路径已被探索殆尽时寻找新疗法至关重要。
然而，使用这种三维地图一直是一个缓慢且昂贵的过程。由于分子是灵活的，可以扭转成许多不同的形状，因此计算机必须为每个分子生成数百个可能的三维版本（或称为构象），以观察其能呈现出哪些特征。生成这些形状的步骤占据了分析化合物所需的大部分时间，使得处理现代化学库中的数百万个分子变得不切实际。结果就是，这种寻找新药的强大方法一直局限于规模较小、经过精心筛选的列表，无法应对广袤的化学海洋。
现在，一组研究人员开发出了一种可以完全绕过这一瓶颈的方法。他们创建了一个名为 PharmCast 的系统，该系统充当了从分子的二维平面图到其三维潜力的直接翻译器。该方法不再需要花费数小时来计算分子可能发生的每一次扭转和旋转，而是使用一种人工智能技术来即时预测最终结果。该系统接受了近六百万个分子的训练，其中包括标准的类药化合物、具有生物活性的分子以及灵活的蛋白质环，从而学习识别分子的基本结构与其所能展示的三维特征之间的联系。
结果表明，这种捷径并未以牺牲准确性为代价来换取速度。在针对传统的缓慢方法进行测试时，新系统在绝大多数化合物上的表现几乎与传统方法一致。对于典型的类药分子，传统方法需要近三秒钟来生成单个指纹，其中绝大部分时间都花在创建三维形状上。而新系统完成同样任务的时间不到一毫秒。这代表了数千倍的速度提升，将原本在海量库中运行需要数月的工作缩短到了几分钟内即可完成。
研究人员在三种不同类型的分子组上测试了这一工具，以确保其在不同化学类型下的有效性。他们评估了标准筛选化合物、经过实验室测试的活性生物分子，以及极难建模的灵活蛋白质环。在每种情况下，预测结果都与传统的缓慢计算保持了高度的一致性。对于标准的类药化合物，误差微乎微至极，几乎可以忽略不计；而对于灵活的蛋白质环，系统的表现甚至更好，这可能是因为这些环本身就包含在训练数据中。该系统表现出略多变化的唯一领域是那些在训练集中代表性不足的大型复杂生物分子，作者指出，这是由于用于学习的特定化学物质的限制，而非方法本身的缺陷。
最重要的发现之一是，该系统成功识别了纸面上看起来完全不同的分子之间的相似性。在一个涉及两种具有完全不同化学结构的 HIV 药物的测试案例中，该系统正确地识别出它们向靶点呈现了相同的三维特征，而传统的二维方法却未能察觉这一点。这证实了该工具真正捕捉到了分子的空间本质，而非仅仅是记忆其化学形状。研究人员通过使用该系统扫描一个包含超过四百万个化合物的库并对照参考分子，展示了这种能力，整个过程耗时不到半小时。搜索结果中的高分化合物虽然结构迥异，但具有相同的结合潜力，证明了该系统可以有效地引导寻找新的化学起点。
作者强调，尽管这个工具速度极快，但它的设计初衷是与更详细、更缓慢的计算协同工作，而非取代它们。在现实场景中，快速系统将用于对数百万个候选物进行排名，并将名单缩小到最有希望的少数几个。随后，这些顶尖候选物将通过传统的、更慢的方法进行分析，以确认精确的几何结构并确保预测的可靠性。这种两步走的方法让科学家能够在不被计算成本拖累的情况下，探索整个化学空间的广度，同时仍保持药物开发所需的严谨标准。通过消除时间障碍，这项工作为将三维思维应用于整个可用化学宇宙打开了大门，有望加速针对目前缺乏有效治疗手段的疾病的新药研发进程。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。