Pesquisadores introduziram o DrugGen-2, um modelo generativo projetado para criar pequenas moléculas condicionadas tanto à ontologia de doenças quanto às sequências de proteínas-alvo. Esta abordagem aborda a lacuna nos métodos computacionais atuais ao integrar o contexto da doença no processo de geração molecular.
- Desenvolvido por ajuste fino de um modelo GPT-2 pré-treinado usando ajuste fino supervisionado seguido por aprendizado por reforço via otimização de política relativa 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 os modelos base DrugGPT e DrugGen.
- Demonstrou capacidade superior para gerar moléculas únicas com maior similaridade estrutural a medicamentos aprovados.
- Alcançou afinidades de ligação previstas aprimoradas, incluindo compostos com afinidades de -9.917, -9.485 e -9.367 que excedem o medicamento de referência enalapril (-8.283).
Ao integrar o contexto específico da doença, o DrugGen-2 avança na descoberta assistida por IA de medicamentos, oferecendo uma ferramenta poderosa para o design de novo e reposicionamento de medicamentos que leva em conta a complexa interação entre doenças e alvos moleculares.