Key points are not available for this paper at this time.
동기: 약물 내성 박테리아의 출현은 새로운 항생제 발견을 긴급한 문제로 만듭니다. 그러나 원하는 항균 활성을 가진 새로운 분자를 찾는 것은 매우 어려운 작업입니다. 이러한 도전을 해결하기 위해, 우리는 강력한 항생제 분자를 최적화하고 생성하기 위한 프레임워크인 MDAGS(속성 유도 검색을 통한 분자 설계)를 구축했습니다. 결과: 항균 활성 잠재 공간을 설계하고 이 공간을 기준으로 기능성 화합물의 최적화를 유도함으로써, MDAGS 모델은 광범위하고 비용이 많이 들며 시간이 소모되는 평가 없이 바람직한 항균 활성을 가진 새로운 화합물을 생성할 수 있습니다. 기존의 항생제와 비교할 때, MDAGS에 의해 생성된 후보 항균 화합물은 항상 유의미하게 더 나은 항균 활성을 가지고 있으며 높은 유사성을 보장했습니다. 게다가, 알려진 항생제에 대한 유사성에 대한 명시적 제약 없이도 이러한 후보 항균 화합물은 모두 DrugBank 데이터베이스 쿼리에서 기대되는 기능의 항생제와 가장 높은 구조적 유사성을 보였습니다. 전반적으로, 우리의 접근법은 박테리아 약물 내성 문제에 대한 실행 가능한 해결책을 제공합니다. 가용성 및 구현: 모델 코드와 데이터셋은 GitHub(https://github.com/LiangYu-Xidian/MDAGS)에서 다운로드할 수 있습니다. 추가 정보: 추가 데이터는 Bioinformatics online에서 확인할 수 있습니다.
Chen et al. (Fri,)는 이 질문을 연구했습니다.