ScaffoldGPT: A Scaffold-based GPT Model for Drug Optimization

要約

薬物最適化は、急速に走行するウイルス株と薬剤耐性癌細胞に照らしてますます重要になっています。
それにもかかわらず、元の薬物の有益な特性を保持する必要があると同時に、その範囲を超えて望ましい属性を強化する必要があるため、挑戦的なままです。
この作業では、分子足場に基づいて薬物最適化のために設計された新規生成前処理変圧器（GPT）であるscaffoldgptを導入することにより、この課題に取り組むことを目指しています。
私たちの作業は、3つの重要なコンポーネントで構成されています。（1）事前トレーニング、微調整、およびデコード最適化を統合する3段階の薬物最適化アプローチ。
（2）パフォーマンスが向上した分子足場での薬物最適化GPTを事前トレーニングするためのユニークに設計された2フェーズ増分トレーニングアプローチ。
（3）前処理された/Finetuned GPTを使用した制御された報酬ガイド付き生成を可能にするトークンレベルのデコード最適化戦略、TOP-N。
Covidおよびがんのベンチマークに関する包括的な評価を介して、ScaffoldGptが薬物最適化ベンチマークの競合するベースラインよりも優れていることを実証し、元の機能的足場を維持し、望ましい特性を強化します。

要約(オリジナル)

Drug optimization has become increasingly crucial in light of fast-mutating virus strains and drug-resistant cancer cells. Nevertheless, it remains challenging as it necessitates retaining the beneficial properties of the original drug while simultaneously enhancing desired attributes beyond its scope. In this work, we aim to tackle this challenge by introducing ScaffoldGPT, a novel Generative Pretrained Transformer (GPT) designed for drug optimization based on molecular scaffolds. Our work comprises three key components: (1) A three-stage drug optimization approach that integrates pretraining, finetuning, and decoding optimization. (2) A uniquely designed two-phase incremental training approach for pre-training the drug optimization GPT on molecule scaffold with enhanced performance. (3) A token-level decoding optimization strategy, TOP-N, that enabling controlled, reward-guided generation using pretrained/finetuned GPT. We demonstrate via a comprehensive evaluation on COVID and cancer benchmarks that ScaffoldGPT outperforms the competing baselines in drug optimization benchmarks, while excelling in preserving original functional scaffold and enhancing desired properties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google