End-to-End Transformer-based Approach for Optimized De Novo Drug Design

Detalhes bibliográficos
Autor(a) principal: Machado, Ana Catarina Dias
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/102898
Resumo: Trabalho de Projeto do Mestrado em Engenharia Biomédica apresentado à Faculdade de Ciências e Tecnologia
id RCAP_7941e4a8effc88a2999842778e0acdaf
oai_identifier_str oai:estudogeral.uc.pt:10316/102898
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling End-to-End Transformer-based Approach for Optimized De Novo Drug DesignAbordagem de Ponta a Ponta baseada em Transformadores para o Desenho Otimizado de FármacosDescoberta de FármacosDesenho de FármacosAprendizagem ProfundaTransformadoresOtimização MultiobjetivoDrug DiscoveryDrug DesignDeep LearningTransformersMulti-Objective OptimizationTrabalho de Projeto do Mestrado em Engenharia Biomédica apresentado à Faculdade de Ciências e TecnologiaOs processos tradicionais de descoberta de fármacos são demorados, de elevado custo e com uma reduzida taxa de aceitação entre as agências de regulamentação. Recentemente, abordagens in silico combinadas com metodologias de aprendizagem profunda têm atraído cada vez mais atenção como abordagem de desenho de novo medicamentos, levando à descoberta de pequenos compostos com interesse farmacológico num tempo eficiente.Apesar dos recentes avanços computacionais na geração de moléculas para alvos biológicos, as propriedades físico-químicas essenciais, como a lipofilicidade, a permeabilidade e o peso molecular, são geralmente otimizadas individualmente. Por conseguinte, os resultados ficam comprometidos, devido à eficiência farmacológica ser influenciada por uma variedade de fatores simultâneos. Neste projeto, propomos uma arquitetura baseada em Transformadores para gerar novas moléculas com propriedades farmacológicas desejadas e atividade de ligação relevante contra um alvo com interesse biológico. A arquitetura combina um Gerador de Transformador-Descodificador para produzir novos compostos válidos, um Preditor de Transformador-Codificador para estimar a atividade de ligação e um ciclo de Feedback baseado num algoritmo de otimização multiobjectivo para otimizar o gerador de acordo com as propriedades desejadas.Os resultados demonstraram a eficácia da estratégia proposta para gerar compostos químicos novos e sintetizáveis. O Gerador baseado em Transformador superou os modelos do estado da arte na métrica novidade. A otimização do modelo não enviesado resultou em 99.79% de moléculas válidas geradas com uma taxa de conformidade de 99.36% com a regra dos Cinco de Lipinski e uma elevada afinidade de ligação ao recetor de adenosina A2A. Os resultados obtidos demonstraram a capacidade do modelo em selecionar componentes críticos no espaço químico para melhorar o interesse biológico e propriedades farmacológicas das moléculas.Traditional drug discovery processes are time-consuming, expensive, and have a low acceptance rate among regulatory agencies. In recent years, in silico approaches combined with deep learning methodologies have attracted increasing attention to address the de novo drug design challenge, leading to the discovery of small compounds with pharmacological interest in an efficient amount of time.In spite of the recent computational advances for generating molecules for biological targets, crucial physicochemical properties, such as lipophilicity, permeability, and molecular weight, are usually individually optimized. On that account, the results are compromised since the pharmacological efficacy is influenced by a variety of simultaneous factors. In this study, we propose a Transformer-based architecture to generate new molecules with desirable pharmacological properties and relevant binding activity against a target with biological interest. The architecture combines a Transformer-Decoder Generator to produce valid new compounds, a Transformer-Encoder Predictor to estimate the binding activity, and a Feedback Loop based on a multi-objective optimization algorithm to optimize the generator according to the desired properties.The results demonstrate the effectiveness of the proposed framework to generate novel and synthesizable chemical compounds. The Transformer-based Generator outperformed state-of-the-art baselines in the novelty metric. The optimization of the unbiased model resulted in 99.79% generated valid molecules with a 99.36% compliance rate with Lipinski's Rule of Five and a high binding affinity to the A2A adenosine receptor. Overall, these results demonstrated the model's capacity to select critical components in the chemical space in order to improve the biological interest and pharmacological properties of the molecules.FCT2022-09-282024-03-21T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/102898http://hdl.handle.net/10316/102898TID:203079337engMachado, Ana Catarina Diasinfo:eu-repo/semantics/embargoedAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-10-27T11:09:24Zoai:estudogeral.uc.pt:10316/102898Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:19:48.004343Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv End-to-End Transformer-based Approach for Optimized De Novo Drug Design
Abordagem de Ponta a Ponta baseada em Transformadores para o Desenho Otimizado de Fármacos
title End-to-End Transformer-based Approach for Optimized De Novo Drug Design
spellingShingle End-to-End Transformer-based Approach for Optimized De Novo Drug Design
Machado, Ana Catarina Dias
Descoberta de Fármacos
Desenho de Fármacos
Aprendizagem Profunda
Transformadores
Otimização Multiobjetivo
Drug Discovery
Drug Design
Deep Learning
Transformers
Multi-Objective Optimization
title_short End-to-End Transformer-based Approach for Optimized De Novo Drug Design
title_full End-to-End Transformer-based Approach for Optimized De Novo Drug Design
title_fullStr End-to-End Transformer-based Approach for Optimized De Novo Drug Design
title_full_unstemmed End-to-End Transformer-based Approach for Optimized De Novo Drug Design
title_sort End-to-End Transformer-based Approach for Optimized De Novo Drug Design
author Machado, Ana Catarina Dias
author_facet Machado, Ana Catarina Dias
author_role author
dc.contributor.author.fl_str_mv Machado, Ana Catarina Dias
dc.subject.por.fl_str_mv Descoberta de Fármacos
Desenho de Fármacos
Aprendizagem Profunda
Transformadores
Otimização Multiobjetivo
Drug Discovery
Drug Design
Deep Learning
Transformers
Multi-Objective Optimization
topic Descoberta de Fármacos
Desenho de Fármacos
Aprendizagem Profunda
Transformadores
Otimização Multiobjetivo
Drug Discovery
Drug Design
Deep Learning
Transformers
Multi-Objective Optimization
description Trabalho de Projeto do Mestrado em Engenharia Biomédica apresentado à Faculdade de Ciências e Tecnologia
publishDate 2022
dc.date.none.fl_str_mv 2022-09-28
2024-03-21T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/102898
http://hdl.handle.net/10316/102898
TID:203079337
url http://hdl.handle.net/10316/102898
identifier_str_mv TID:203079337
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/embargoedAccess
eu_rights_str_mv embargoedAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134092019630080

Registros relacionados