【牛津大学博士论文】深度学习在基于结构的药物发现中的应用，362页pdf

近年来，由于算法的快速进步和计算机硬件的发展，机器学习和深度学习的应用已经渗透到科学的所有领域。一个非常活跃的研究领域是在基于结构的药物设计中使用深度学习，其目标是针对感兴趣的药理学目标设计有效的药物。 在这项工作中，我们探索了深度学习在药物发现早期阶段的使用。重点关注基于结构的虚拟筛选、结合亲和度预测和从头设计药物。

首先，我们实现了与最先进的基于卷积神经网络的对接软件Gnina中的柔性残基的对接，并对该方法进行了大规模的跨对接研究，概述了其优缺点。 其次，我们将卷积神经网络评分函数从对接软件中提取到一个独立的包中进行快速原型设计。有了新的软件，我们探索了用于监督学习的不同注释，以改进卷积神经网络的评分函数，以便与灵活的残差进行对接。 然后，基于一个成功的用于开发机器学习力场的深度学习架构，开发了一个新的绑定亲和性预测评分函数。 仔细评估了一种用于从头设计的生成模型，用于工业药物研发管道的应用。概述了该方法的弱点和当前生成模型评估的问题。