Pesquisadores apresentam o DrugGen-2, um modelo generativo projetado para criar pequenas moléculas condicionadas tanto pela ontologia de doenças quanto por sequências de proteínas-alvo. Esta abordagem aborda a lacuna nos métodos computacionais atuais ao integrar o contexto específico da doença no processo de geração molecular.
- Desenvolvido através do ajuste fino de um modelo GPT-2 pré-treinado usando ajuste fino supervisionado seguido por aprendizado por reforço via otimização relativa de política em grupo (GRPO).
- Otimizado com funções de recompensa para validade química, novidade, diversidade e alta afinidade de ligação prevista.
- Avaliado em cinco alvos proteicos relevantes para a nefropatia diabética, superando significativamente as linhas de base como DrugGPT e DrugGen.
- Demonstrou capacidade superior para moléculas únicas, maior similaridade estrutural com medicamentos aprovados e afinidades de ligação previstas aprimoradas.
- O docking molecular identificou ligantes candidatos com afinidades previstas (-9.917, -9.485, -9.367) que excedem as de medicamentos de referência como o enalapril (-8.283).
Ao levar em conta a complexa interação entre doenças e alvos moleculares, o DrugGen-2 avança na descoberta assistida por IA de medicamentos como uma ferramenta para design de novo e reposicionamento de medicamentos.