基于图卷积神经网络的小分子虚拟筛选

新药研发存在研发周期长、成本高和成功率低等问题。为了解决这一系列问题,提高早期药物研发效率,提出一种基于图卷积神经网络的虚拟筛选方法,并利用模型对EGFR(Epidermal Growth Factor Receptor,表皮生长因子受体)靶点进行虚拟筛选。首先获取EGFR靶点的相关数据,对其进行数据处理后用于模型训练;随后应用模型筛选大量化合物,筛选出小分子后,将其与药物分子进行化合物相似性搜索,验证其是否与已知的EGFR药物存在相似性;同时,将图卷积神经网络(Graph Convolutional Networks,GCN)模型与其他传统机器学习模型进行比较,证明本研究模型在各项指标中均优于其他模型。实验结果表明,本研究提出的方法具有较好的预测性和准确性,为发现潜在药物提供了助力。