ترجمه فارسی مقاله کشف دارو مدل‌های انتشار لبخند به فارماکوکینتیک با درک عمیق مولکولی

چکیده

Artificial intelligence (AI) is increasingly used in every stage of drug development. One challenge facing drug discovery AI is that drug pharmacokinetic (PK) datasets are often collected independently from each other, often with limited overlap, creating data overlap sparsity. Data sparsity makes data curation difficult for researchers looking to answer research questions in poly-pharmacy, drug combination research, and high-throughput screening. We propose Imagand, a novel SMILES-to-Pharmacokinetic (S2PK) diffusion model capable of generating an array of PK target properties conditioned on SMILES inputs. We show that Imagand-generated synthetic PK data closely resembles real data univariate and bivariate distributions, and improves performance for downstream tasks. Imagand is a promising solution for data overlap sparsity and allows researchers to efficiently generate ligand PK data for drug discovery research. Code is available at \url{https://github.com/bing1100/Imagand}.

چکیده به فارسی (ترجمه ماشینی)

هوش مصنوعی (AI) به طور فزاینده ای در هر مرحله از توسعه دارو استفاده می شود.یکی از چالش های پیش روی Drug Discovery AI این است که مجموعه داده های فارماکوکینتیک دارویی (PK) اغلب به طور مستقل از یکدیگر جمع می شوند ، اغلب با همپوشانی محدود ، ایجاد پاریس همپوشانی داده.کمبود داده ها باعث می شود که داده ها برای محققانی که به دنبال پاسخ به سؤالات تحقیق در پلی دارو ، تحقیقات ترکیبی از دارو و غربالگری با توان بالا هستند ، مشکل را دشوار کند.ما تصور می کنیم ، یک مدل انتشار جدید لبخند به پرماکوکینیک (S2PK) که قادر به تولید آرایه ای از خصوصیات هدف PK است که بر روی ورودی های لبخند ایجاد می شود.ما نشان می دهیم که داده های PK مصنوعی تولید شده از نزدیک شبیه به توزیع های یک متغیره و دو متغیره داده های واقعی است و عملکرد را برای کارهای پایین دست بهبود می بخشد.Imagand یک راه حل امیدوار کننده برای همپوشانی داده ها است و به محققان این امکان را می دهد تا داده های لیگاند PK را برای تحقیقات کشف دارو به طور مؤثر تولید کنند.کد در \ url {https://github.com/bing1100/imagand} در دسترس است.