基于表型人工智能的细胞特异性小分子细胞毒素设计

摘要

人工智能通过探索庞大的化学空间和设计具有特定性质的新分子，正在改变药物发现的方式。然而，大多数方法都集中在化学特征或蛋白质结合上，而对表型发现的探索仍然不足。在这里，我们提出了一个框架，通过结合大规模筛选数据和人工智能模型来设计对胰腺癌细胞具有选择性毒性的小分子。利用超过11,000种化合物在癌细胞和对照细胞系中的测试数据，我们训练了预测模型，并将这些模型整合到一个生成系统中以设计新的候选分子。这种方法产生了具有所需细胞特异性效应的新分子，其中许多分子在结构上与已知化合物不同。实验验证表明，几种设计的分子表现出预期的选择性活性，其效果优于传统的筛选策略。总体而言，这项工作突显了结合预测性和生成性人工智能来设计具有复杂生物学效应的化合物的潜力，而无需依赖预先定义的目标。

此图像的替代文本可能是使用人工智能生成的。