Perpustakaan Digital ITB

Generasi ligan de novo berbasis deep learning berpotensi sebagai alternatif terhadap metode screening konvensional untuk mengurangi beban waktu dan sumber daya dalam pengembangan obat. Akan tetapi, terdapat tantangan dalam pengaruh data pelatihan dan input terhadap kesuksesan generasi, serta penggunaan metrik evaluasi yang mencerminkan performa ligan secara bermakna. Dalam studi ini, kami melatih ulang DrugHIVE, suatu model generatif berbasis struktur, menggunakan hanya ?10% dari data pelatihannya, tambahan kanal fitur atomik, dan peningkatan resolusi input. Performa DrugHIVE dan variannya, bersama dengan model komparator, diuji dengan mengenerasikan ligan de novo untuk 532 struktur protein. Ligan hasil generasi diukur dengan metrik fisika dan kimia, bersamaan dengan skor docking relatif terhadap ligan referensi. Kemudian, suatu studi pilot mengintegrasikan molecular dynamics untuk membandingkan kesuksesan ligan antarmodel. Varian model pelatihan ulang memperoleh hasil yang dapat dibandingkan terhadap model dasar, kecuali varian model dengan penambahan resolusi yang mengalami loss dan kegagalan pelatihan. Evaluasi menggunakan molecular docking menunjukkan lebih dari 50% ligan de novo hasil generasi memperoleh skor docking yang lebih rendah dibandingkan ligan referensi, dengan model komparator menunjukkan performa lebih baik dibandingkan DrugHIVE dan model variannya. Meskipun demikian, studi pilot dengan menggunakan molecular dynamics menunjukkan kasus varian model DrugHIVE memperoleh skor docking dan binding energy yang lebih baik dibandingkan model komparator. Selain itu, prosedur molecular dynamics menunjukkan kasus ligan dengan binding energy yang rendah dan terdisosiasi selama simulasi. Temuan pada varian DrugHIVE mendemonstrasikan peluang untuk menciptakan dataset yang efisien dan ringan tetapi tetap mempertahankan kualitas pelatihan. Selain itu, hasil evaluasi ligan mendukung struktur evaluasi yang mengutamakan metrik molecular dynamics, dengan pengurutan berbasis docking, serta filter berbasis metrik fisika dan kimia.