MTMol-GPT : Génération moléculaire multi-cibles de novo avec apprentissage par imitation antagoniste basé sur des transformateurs

La conception de médicaments de novo est cruciale pour faire avancer la découverte de médicaments, qui vise à générer de nouveaux médicaments avec des propriétés pharmacologiques spécifiques. Récemment, des modèles génératifs profonds ont réalisé des avancées inspirantes dans la génération de composés similaires à des médicaments. Cependant, les modèles priorisent une génération de médicaments ciblant un seul objectif pour l’intervention pharmacologique, négligeant les mécanismes complexes inhérents aux maladies, influencés par de multiples facteurs. Par conséquent, le développement de nouveaux médicaments multi-cibles qui ciblent simultanément des cibles spécifiques peut améliorer l’efficacité anti-tumorale et s’attaquer aux problèmes liés aux mécanismes de résistance. Pour aborder cette question et s’inspirant des modèles de Transformateurs Génératifs Pré-entraînés (GPT), nous proposons un modèle GPT amélioré avec apprentissage par imitation antagoniste pour la génération moléculaire multi-cibles, appelé MTMol-GPT. Le générateur moléculaire multi-cibles utilise un modèle de discriminateur dual avec la méthode d’apprentissage par renforcement inverse (IRL) pour une génération moléculaire multi-cibles simultanée. Des résultats étendus montrent que MTMol-GPT génère diverses molécules multi-cibles valides, nouvelles et efficaces pour diverses maladies complexes, démontrant sa robustesse et sa capacité de généralisation. De plus, des expériences de docking moléculaire et de cartographie pharmacophorique montrent que les propriétés de similarité à des médicaments et l’efficacité des molécules générées améliorent potentiellement les interventions neuropsychiatriques. En outre, la généralisabilité de notre modèle est illustrée par une étude de cas axée sur la conception de médicaments multi-cibles pour le cancer du sein. En tant que solution largement applicable pour plusieurs cibles, MTMol-GPT offre de nouveaux éclairages sur les directions futures pour améliorer les thérapeutiques des maladies complexes potentielles en générant des molécules multi-cibles de haute qualité dans la découverte de médicaments.