北京大學(xué)計(jì)算機(jī)學(xué)院張銘教授團(tuán)隊(duì)聯(lián)合華盛頓大學(xué)等團(tuán)隊(duì)，成功提出了生物活性基礎(chǔ)模型 ActFound，登上國際 AI 頂刊。在跨域生物活性預(yù)測(cè)、先導(dǎo)小分子優(yōu)化、癌癥藥物反應(yīng)上，ActFound 表現(xiàn)出色。

小分子生物活性在藥物研發(fā)中扮演著至關(guān)重要的角色。生物活性反映了小分子與生物系統(tǒng)中特定靶點(diǎn)（如蛋白質(zhì)、受體或酶）相互作用并引起可測(cè)量的生物學(xué)反應(yīng)的程度，是篩選潛在藥物候選物、優(yōu)化分子結(jié)構(gòu)以及預(yù)測(cè)藥物療效和安全性的關(guān)鍵指標(biāo)。

準(zhǔn)確預(yù)測(cè)和評(píng)估生物活性不僅可以大幅縮短藥物篩選時(shí)間、降低研發(fā)成本，還能幫助研究人員理解藥物作用機(jī)制，從而加速新藥開發(fā)進(jìn)程，為患者帶來更有效、更安全的治療方案。

在生物活性預(yù)測(cè)領(lǐng)域，已有的基于物理的計(jì)算方法如自由能微擾（FEP）可以給出準(zhǔn)確的預(yù)測(cè)，但是他們卻面臨著計(jì)算成本高昂的問題。

近年來，深度學(xué)習(xí)方法展現(xiàn)出巨大潛力，但面臨著實(shí)驗(yàn)數(shù)據(jù)有限和不同實(shí)驗(yàn)測(cè)量的生物活性不兼容的問題。

以往研究者使用了遷移學(xué)習(xí)、多任務(wù)學(xué)習(xí)和元學(xué)習(xí)等先進(jìn)機(jī)器學(xué)習(xí)技術(shù)，但是他們只在特定類型（例如 Ki，Kd，IC50）和單位為摩爾濃度的生物活性數(shù)據(jù)上訓(xùn)練，使得模型難以泛化到具有從未見過的類型（例如 EC50）或者單位（例如‘%’）的生物活性預(yù)測(cè)任務(wù)上。

為解決這一挑戰(zhàn)，北京大學(xué)計(jì)算機(jī)學(xué)院張銘教授團(tuán)隊(duì)聯(lián)合華盛頓大學(xué)助理教授王晟、博士后肖之屏和復(fù)旦大學(xué)教授徐盈輝等，提出了一個(gè)由 ChEMBL 數(shù)據(jù)庫中 160 萬個(gè)實(shí)驗(yàn)測(cè)量的生物活性數(shù)據(jù)訓(xùn)練而成的生物活性基礎(chǔ)模型 ——ActFound。

目前，這項(xiàng)工作已登上國際頂尖 AI 期刊 Nature Machine Intelligence （簡(jiǎn)稱 NMI，最新影響因子為 18.8）。

ActFound 的核心思想是采用成對(duì)學(xué)習(xí)方法，學(xué)習(xí)同一組實(shí)驗(yàn)中兩個(gè)小分子之間的相對(duì)生物活性差異，從而避開不同實(shí)驗(yàn)之間的生物活性的不兼容問題。該模型還利用元學(xué)習(xí)技術(shù)，幫助模型在僅有少量數(shù)據(jù)的情況下提升預(yù)測(cè)準(zhǔn)確度。

審稿人認(rèn)為成對(duì)學(xué)習(xí)和元學(xué)習(xí)的組合不但成功解決了活性預(yù)測(cè)的核心問題，而且還對(duì)其他領(lǐng)域的發(fā)展有所啟發(fā)。

在六個(gè)生物活性評(píng)測(cè)基準(zhǔn)數(shù)據(jù)集上，ActFound 展現(xiàn)出了準(zhǔn)確的預(yù)測(cè)能力，以及在不同生物活性類型和分子骨架之間的強(qiáng)大泛化能力。

研究還表明，ActFound 可以作為領(lǐng)先的基于物理的計(jì)算工具 FEP + 的替代方案，僅使用少量數(shù)據(jù)進(jìn)行微調(diào)就能達(dá)到相當(dāng)?shù)男阅堋?/p>

為了驗(yàn)證 ActFound 模型的性能和實(shí)際價(jià)值，研究團(tuán)隊(duì)進(jìn)行了一系列生物活性預(yù)測(cè)任務(wù)的實(shí)驗(yàn)。

首先，研究人員在六個(gè)不同的數(shù)據(jù)集上評(píng)估了 ActFound 的性能，ActFound 在 ChEMBL、BindingDB、FS-Mol、pQSAR-ChEMBL、Davis 和 Kiba 上的表現(xiàn)優(yōu)于所有九種對(duì)比方法，展示了其在幾乎所有類型實(shí)驗(yàn)中的廣泛適用性。

在跨域生物活性預(yù)測(cè)方面，ActFound 同樣超越了現(xiàn)有的最先進(jìn)方法，證明了在不同類型的生物活性數(shù)據(jù)上良好的泛化能力。

其次，研究團(tuán)隊(duì)將 ActFound 與自由能微擾（FEP）計(jì)算工具進(jìn)行了比較，以展示 ActFound 在先導(dǎo)小分子優(yōu)化方面的實(shí)際價(jià)值。

實(shí)驗(yàn)結(jié)果表明，ActFound 具有作為 FEP + 替代工具的潛力。

具體來說，Actfound 在僅僅使用了平均 4.8 個(gè)分子進(jìn)行微調(diào)的情況下，ActFound 的效果超越了 FEP+。且 Actfound 可以在一秒之內(nèi)預(yù)測(cè)超過一萬化合物的活性，然而 FEP 需要 24-48 個(gè) GPU 小時(shí)才能計(jì)算一對(duì)分子的相對(duì)活性差值。

最后，研究人員展示了使用 ActFound 預(yù)訓(xùn)練的癌癥藥物反應(yīng)預(yù)測(cè)模型的出色表現(xiàn)。

實(shí)驗(yàn)結(jié)果表明，使用 ActFound 初始化的癌癥藥物反應(yīng)預(yù)測(cè)模型無需微調(diào)就具有出色的表現(xiàn)，進(jìn)一步證明了 ActFound 的廣泛應(yīng)用潛力。

總的來說，這些實(shí)驗(yàn)結(jié)果展示了 ActFound 作為一個(gè)生物活性基礎(chǔ)模型，不僅在各種生物活性預(yù)測(cè)任務(wù)中表現(xiàn)出色，還顯示了在藥物開發(fā)和發(fā)現(xiàn)的其他環(huán)節(jié)的應(yīng)用前景。

這些發(fā)現(xiàn)為解決現(xiàn)有生物活性預(yù)測(cè)方法中的局限性提供了有效的解決方案，同時(shí)也為加速藥物研發(fā)過程提供了新的可能性。

作者簡(jiǎn)介

論文一作馮斌碩士畢業(yè)于北京大學(xué)計(jì)算機(jī)學(xué)院，導(dǎo)師為張銘教授。王晟和肖之屏也是北京大學(xué)信息學(xué)院計(jì)算機(jī)系校友，與張銘教授團(tuán)隊(duì)有多年的合作。北大團(tuán)隊(duì)成員還有博士生劉澤群、碩士留學(xué)生 Srbuhi Mirzoyan。

全體作者為 Bin Feng, Zequn Liu, Nanlan Huang, Zhiping Xiao#, Haomiao Zhang, Srbuhi Mirzoyan, Hanwen Xu, Jiaran Hao, Yinghui Xu, Ming Zhang#, Sheng Wang#（標(biāo)#的為通訊作者）。

廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。