摘要：SMU创建了SmartCadd。这种开源虚拟工具结合了人工智能，量子力学和计算机辅助药物设计（CADD）技术，以加快化学化合物的筛查，从而大大减少药物发现时间表。...

药物发现就像在拼图拼图一样。必须对药物分子背后的化合物形成形状，以与我们体内的蛋白质拟合以产生治疗作用。对细致拟合的这种要求意味着新药的产生非常复杂且耗时。

为了加快拼图拟合过程，SMU的研究人员创建了SmartCadd。这种开源虚拟工具结合了人工智能，量子力学和计算机辅助药物设计（CADD）技术，以加快化学化合物的筛查，从而大大减少药物发现时间表。在最近发表在化学信息与建模杂志研究人员证明了SmartCadd鉴定有前途的HIV候选的能力。

这个新工具从SMU人文与科学学院的化学系与莱尔工程学院的计算机科学系之间的跨学科合作增长。

SMU计算和理论化学组（CATCO）负责人Elfi Kraka表示：“有迫切需要发现新的药物，例如抗生素，癌症治疗，抗病等。” “尽管AI在许多领域都迅速采用，但在科学研究中仍有犹豫使用它，这主要是因为它的不透明性和用于培训的数据的质量。SmartCADD解决了这些问题，并且可以在一天之内通过数十亿个化合物进行筛选，这大大减少了确定有前途的药物候选人所需的时间。”

SmartCADD的工作原理

SmartCADD将深度学习模型，过滤过程和可解释的AI结合在一起，以筛选用于查明药物铅的化学化合物的数据库。该工具具有两个主要组件：SmartCadd的管道接口，该界面收集数据并运行过滤器及其过滤器界面，该界面及其过滤器接口告诉系统每个过滤器应如何工作。这些内置过滤器有助于测试化合物的不同阶段。他们可以帮助预测药物在体内的行为，建模使用2D和3D参数的药物结构看起来是什么样的，并利用了解释其决策的AI模型。

研究人员通过三个用于治疗艾滋病毒的药物的不同案例研究表明了SmartCADD平台，发现病毒中存在几种蛋白质是有希望的靶标。 SmartCADD使用来自Moleculenet库中的数据来通过8亿种化合物的数据库创建和搜索，并确定1000万可以用作HIV药物。然后，它使用过滤器找到最匹配已批准的HIV药物的化合物。

尽管研究人员专注于研究艾滋病毒靶标，但他们强调SmartCADD具有通用性，可以应用于其他药物发现管道。

Lyle工程学院计算机科学助理教授，SMU Guildhall研究副总监Corey Clark说：“这是一个用户友好的虚拟筛选平台，为研究人员提供了一个高度集成和灵活的框架，用于构建药物发现管道。” “我们将继续推动工作向前发展，以进一步扩大化学和机器学习能力。项目及其机会确实令人兴奋，我知道下一阶段将比最后一个更大。”

协作使SmartCADD成为可能

该论文还强调了SMU跨学科合作的实力。除Kraka和Clark外，作者还包括化学博士后研究员Ayesh Madushanka，其工作得到了O'Donnell Data Science＆Research Computing Institute的赠款，以及计算机科学研究生研究生Eli Laird，O'Donnell Institute Ph.D.。奖学金获得者。

Madushanka说：“诸如药物发现之类的领域需要综合努力才能真正取得成功。” “我敢肯定，如果只有化学部门为此而努力，那么最终产品就不会得到相同的结果。跨学科的合作可以使人们对同样的想法有了新的观点，有助于完善和改进它。”

补充说：“跨学科的研究对于做出实际影响现实世界的重大研究进步是绝对必要的。这是SMU的主要重点。 研究。”

该研究的资金由国家科学基金会（National Science Foundation），Grant Che 2102461提供。在本材料中表达的任何意见，发现，结论或建议都是作者的意见，不一定反映了国家科学基金会的观点。