Mothra: Generación Molecular Multiobjetivo de Novo Utilizando Búsqueda de Árboles de Monte Carlo

En el campo del descubrimiento de fármacos, identificar compuestos que satisfacen múltiples criterios, como la afinidad por la proteína objetivo, la farmacocinética y la permeabilidad de la membrana, es un desafío debido al vasto espacio químico. Hasta ahora, la optimización multiobjetivo a través de modelos generativos a menudo ha implicado combinaciones lineales de diferentes funciones de recompensa. Las combinaciones lineales resuelven problemas de optimización multiobjetivo al convertir la optimización multiobjetivo en una tarea de objetivo único, lo que causa problemas con la ponderación de cada objetivo. En este documento, proponemos un modelo generativo molecular multiobjetivo escalable desarrollado utilizando técnicas de aprendizaje profundo. Este modelo integra las capacidades de redes neuronales recurrentes para la generación molecular y la búsqueda de árboles de Monte Carlo multiobjetivo de Pareto para determinar la dirección de búsqueda óptima. A través de esta integración, nuestro modelo puede generar compuestos utilizando funciones de evaluación mejoradas que incluyen aspectos importantes como la afinidad por la proteína objetivo, la similitud de fármacos y la toxicidad. El modelo propuesto aborda las limitaciones de los métodos de combinación lineal anteriores, y su efectividad se demuestra a través de experimentación exhaustiva. Las mejoras logradas en las métricas de evaluación subrayan la utilidad potencial de nuestro enfoque en aplicaciones de descubrimiento de fármacos. Además, proporcionamos el código fuente de nuestro modelo para que los investigadores puedan acceder y utilizar fácilmente nuestro marco en sus propias investigaciones. El código fuente y el modelo preentrenado para Mothra, desarrollado en este estudio, junto con la imagen de Docker para el explorador de frentes de Pareto y el seleccionador de compuestos, diseñado para optimizar la selección y visualización de compuestos químicos óptimos, se publican bajo la Licencia Pública General GNU v3.0 y están disponibles en https://github.com/sekijima-lab/Mothra.