Machine Learning on DNA-Encoded Libraries: A New Paradigm for Hit Finding

计算生物学 化学 DNA 计算机科学 人工智能 认知科学 生物化学 生物 心理学
作者
Kevin McCloskey,Eric A. Sigel,Steven Kearnes,Ling Xue,Xia Tian,Dennis Moccia,Diana Gikunju,Sana Bazzaz,Betty Chan,Matthew Clark,John W. Cuozzo,Marie-Aude Guié,John P Guilinger,Christelle Huguet,Christopher D. Hupp,Anthony D. Keefe,Christopher J. Mulhern,Ying Zhang,Patrick Riley
出处
期刊:Journal of Medicinal Chemistry [American Chemical Society]
卷期号:63 (16): 8857-8866 被引量:105
标识
DOI:10.1021/acs.jmedchem.0c00452
摘要

DNA-encoded small molecule libraries (DELs) have enabled discovery of novel inhibitors for many distinct protein targets of therapeutic value through screening of libraries with up to billions of unique small molecules. We demonstrate a new approach applying machine learning to DEL selection data by identifying active molecules from a large commercial collection and a virtual library of easily synthesizable compounds. We train models using only DEL selection data and apply automated or automatable filters with chemist review restricted to the removal of molecules with potential for instability or reactivity. We validate this approach with a large prospective study (nearly 2000 compounds tested) across three diverse protein targets: sEH (a hydrolase), ER{\alpha} (a nuclear receptor), and c-KIT (a kinase). The approach is effective, with an overall hit rate of {\sim}30% at 30 {\textmu}M and discovery of potent compounds (IC50 <10 nM) for every target. The model makes useful predictions even for molecules dissimilar to the original DEL and the compounds identified are diverse, predominantly drug-like, and different from known ligands. Collectively, the quality and quantity of DEL selection data; the power of modern machine learning methods; and access to large, inexpensive, commercially-available libraries creates a powerful new approach for hit finding.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
17秒前
谢尔顿完成签到,获得积分10
19秒前
MADAO完成签到 ,获得积分10
21秒前
wez19015完成签到,获得积分20
22秒前
Touching完成签到 ,获得积分10
23秒前
xiang完成签到 ,获得积分10
25秒前
陈里里完成签到 ,获得积分10
30秒前
tesla完成签到 ,获得积分10
31秒前
沧海云完成签到 ,获得积分10
34秒前
韧迹完成签到 ,获得积分10
37秒前
nusiew完成签到,获得积分10
40秒前
曾经的康乃馨完成签到 ,获得积分10
48秒前
wez19015关注了科研通微信公众号
52秒前
reset完成签到 ,获得积分10
52秒前
俭朴的大有发布了新的文献求助200
52秒前
她的城完成签到,获得积分0
58秒前
1分钟前
semigreen完成签到 ,获得积分10
1分钟前
大力的诗蕾完成签到 ,获得积分10
1分钟前
村口的帅老头完成签到 ,获得积分10
1分钟前
yqcsysu完成签到 ,获得积分10
1分钟前
conker完成签到,获得积分10
1分钟前
安静严青完成签到 ,获得积分10
1分钟前
西柚子完成签到 ,获得积分10
1分钟前
Haibrar完成签到 ,获得积分10
1分钟前
circlet完成签到 ,获得积分10
1分钟前
思源应助科研通管家采纳,获得10
1分钟前
猪猪hero应助科研通管家采纳,获得10
1分钟前
香蕉觅云应助科研通管家采纳,获得10
1分钟前
薰硝壤应助科研通管家采纳,获得10
1分钟前
薰硝壤应助科研通管家采纳,获得10
1分钟前
猪猪hero应助科研通管家采纳,获得10
1分钟前
大模型应助科研通管家采纳,获得10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
路过的骑士完成签到 ,获得积分10
1分钟前
马大翔完成签到,获得积分10
1分钟前
1分钟前
cc2713206完成签到,获得积分0
2分钟前
2分钟前
赵田完成签到 ,获得积分10
2分钟前
高分求助中
中国国际图书贸易总公司40周年纪念文集: 史论集 2500
Sustainability in Tides Chemistry 2000
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
How to mix methods: A guide to sequential, convergent, and experimental research designs 700
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 600
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3111635
求助须知:如何正确求助?哪些是违规求助? 2761773
关于积分的说明 7667236
捐赠科研通 2416791
什么是DOI,文献DOI怎么找? 1282920
科研通“疑难数据库(出版商)”最低求助积分说明 619187
版权声明 599499