智能体优化915个分子，84.8%成功提升靶标选择性，平均结合差距从-0.72逆转到+0.47！
SpecOpt: Contact-Diff Reasoning for Agentic Molecule Optimization Toward Binding Specificity
📖 AI 总结
该研究提出“特异性优化”（SpecOpt）这一新的分子设计任务，旨在对已有药物分子进行受限结构修饰，在保持其结构特征与类药性质的前提下，提升其对目标蛋白的结合偏好、降低对脱靶蛋白的结合。作者基于ChEMBL的化合物—靶点相互作用数据构建了评测基准，并开发了一套智能体框架：将化合物分别与目标靶点和脱靶靶点进行对接，通过残基感知的原子—蛋白接触对比分析差异相互作用，再交由大语言模型据此提出针对性的结构修改，候选分子须通过分子相似性、ADMET及靶点—脱靶对接选择性筛选。在915个化合物上，该方法使84.8%的化合物改善了靶点—脱靶结合差距，平均差距从-0.72提升至+0.47 kcal/mol，同时与起始化合物的平均Tanimoto相似度保持在0.72。消融实验表明，残基特异性接触信息是关键优化信号，将其替换为二元接触指示后，全部29个消融化合物均不再获得改善。该工作确立了SpecOpt作为独立分子设计问题的地位，并证明残基感知的差异相互作用是提升现有化合物特异性的有效信号。
🔑 关键词速览
| SpecOpt | 特异性优化，一种对现有药物进行受限结构修饰以增强靶标选择性的分子设计任务。 |
| 脱靶结合 | 药物分子与预期治疗靶标之外的蛋白质结合，常导致不良反应。 |
| 智能体框架 | 一种利用大语言模型结合对接和接触分析来自动提出分子修饰的迭代设计系统。 |
| 残基感知接触 | 在原子-蛋白接触分析中考虑具体氨基酸残基身份，以提供更精细的相互作用信息。 |
| ADMET | 吸收、分布、代谢、排泄和毒性，用于评估药物候选分子的类药性质。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅