5月16日，中國科學院上海藥物研究所研究員鄭明月課題組利用結合圖神經網絡的元學習技術，搭建了支持用戶定制的激酶多靶點活性篩選人工智能（AI）平臺KinomeMETA，為藥物新型激酶靶點發(fā)現和藥物篩選提供有力工具。相關研究發(fā)表于《核酸研究》。

蛋白激酶的異常激活或過表達與多種疾病相關，激酶靶向抑制劑是一類極具價值的治療藥物，有必要對激酶小分子探針的多重藥理學效應進行系統評估。因此，需要開發(fā)具有更廣泛應用場景的AI算法，大規(guī)模篩選潛在的激酶靶點和多靶點選擇性激酶小分子探針。

研究人員基于前期研究，從超過61萬個激酶活性數據中學習不同激酶中活性化合物的作用模式，搭建了KinomeMETA平臺。平臺包含兩大核心模塊，其中“定制”模塊允許用戶使用私有數據，構建全新激酶模型或增強已有激酶模型的預測能力；“預測”模塊則可預測化合物對661個野生激酶及臨床相關激酶突變體的抑制活性概率。平臺還提供了化合物激酶選擇性分析、分子性質評估及相似抑制劑鑒別功能，輔助研究人員開展進一步研究。

此外，研究人員基于平臺的“定制”功能增強模型，篩選實驗室內部的化合物，發(fā)現KinomeMETA平臺可通過少數活性化合物迅速增強預測能力。

KinomeMETA平臺構建與使用流程概覽。圖片來源于《核酸研究》

相關論文信息：https://doi.org/10.1093/nar/gkae380

來源：中國科學院上海藥物研究所