The use of machine learning in de novo compound design
Stefan M. Kohlbacher · 2019
Das Konzept von strukturbasiertem de novo Design ist einfach zu verstehen, die erfolgreiche Anwendung allerdings dafur um vieles komplexer. Unzahlige Wissenschaftler haben in den letzten Jahrzenten versucht ein Konzept fur intelligentes Molekuldesign zu entwickeln. Dabei wurden unzahlige Ansatze verfolgt, wie etwa Monte Carlo Simulationen, genetische Algorithmen bis hin zu Neuronalen Netzen. Dabei haben besonders Neuronale Netze in den letzten Jahren einiges an Aufmerksamkeit erregt. In verschiedenen Publikationen wurde gezeigt, dass Neuronale Netze in der Lage sind Molekule zu generieren welche dabei als SMILES dargestellt wurden. Mithilfe dieser flexiblen Algorithmen konnte es gelingen dem Ziel des perfekten Molekuls ein Stuckchen naher zu kommen. Dabei ist es dann nur mehr eine Frage der Optimierung und Voraussetzungen wie Molekulstrukturen generiert werden. In der folgenden Arbeit wird ein Ansatz erprobt Molekule basierend auf Pharmakophormodellen zu generieren. Das Ziel ist es ausgehend von einem Pharmakophor neue Molekule zu finden die eine hohe Wahrscheinlichkeit haben mit dem Pharmakophor zu uberlappen. Dafur wird ein Neuronales Netz mit der Architektur des „variierenden Autoencoders“ verwendet. Dieser ist in der Lage aufgrund von zufallig generierten Zahlen und einer Vorlage, dem Pharmakophor, Molekule in Form von SMILES zu generieren. Es wird gezeigt, dass auf Basis eines einzelnen Molekuls, viele weitere ahnliche Molekule generiert werden konnen, die ahnlich gut mit dem Pharmakophor zusammen passen.