Трансформерная нейронная сеть для специфичной к белку генерации лекарственных соединений de novo как задача машинного перевода

Разработка лекарственных средств для белковой мишени представляет собой чрезвычайно трудоёмкий, длительный и дорогостоящий процесс. Методы машинного обучения, и в особенности глубокие генеративные сети, могут существенно сократить сроки и затраты на разработку. Однако большинство методов требует предварительных знаний о лигандах белка, их физико-химических характеристиках или трёхмерной структуре белка. Предлагаемый в данной работе метод генерирует новые молекулы с прогнозируемой способностью связываться с белком-мишенью, используя только его аминокислотную последовательность. Мы рассматриваем дизайн лекарственных соединений de novo, специфичных к мишени, как задачу перевода между «языком» аминокислот и представлением молекулы в виде упрощённой системы ввода строк молекул (Simplified Molecular Input Line Entry System, SMILES). Для решения этой задачи мы применяем архитектуру нейронной сети Transformer — современный метод для задач преобразования последовательностей. Transformer основан на механизме самовнимания, который позволяет выявлять дальние зависимости между элементами последовательности. Модель генерирует реалистичные разнообразные соединения с новой структурой. Рассчитанные физико-химические свойства и распространённые метрики, используемые при разработке лекарственных средств, находятся в правдоподобном диапазоне значений, характерном для лекарственно-подобных соединений.