“`html
Преимущества химических представлений и искусственного интеллекта в поиске лекарств:
Прогресс в технологиях прошлого века, особенно в компьютерной революции и высокопроизводительном скрининге в поиске лекарств, потребовал разработки молекулярных представлений, читаемых компьютерами и понятных для научных дисциплин. Изначально молекулы изображались в виде структурных диаграмм с связями и атомами, но для вычислительной обработки требовались более сложные представления. Были разработаны различные химические обозначения для кодирования молекулярных структур, с ранними примерами, такими как эмпирическая формула, которая предоставляет атомный состав, но не связи или геометрию. Появление компьютеров облегчило быстрое цифровое хранение и изменение химических данных, что привело к разработке машинно-читаемых обозначений и алгоритмов для 2D и 3D визуализации. Современные представления, особенно те, которые были разработаны с 1970-х годов, поддерживают малые молекулы, макромолекулы и химические реакции, улучшая эффективность и масштабируемость химинформатики.
Применение искусственного интеллекта в поиске лекарств:
В поиске лекарств, основанном на искусственном интеллекте, химические представления играют ключевую роль. Молекулярные графы, наиболее распространенное машинно-читаемое представление, и различные другие обозначения используются для кодирования структурной информации для вычислительного анализа. Этот обзор подчеркивает важность этих представлений в приложениях искусственного интеллекта, предоставляя примеры, где техники искусственного интеллекта, такие как модели машинного обучения, применяются в химинформатике и поиске лекарств. Обзор является важным руководством для исследователей и студентов в области химии, биоинформатики и компьютерных наук, подчеркивая зависимость выбора представления от конкретной задачи. Хотя он не является исчерпывающим, обзор направляет читателей на дальнейшую литературу по применению искусственного интеллекта в химинформатике, демонстрируя, как современные вычислительные техники революционизируют поиск лекарств, улучшая возможности обработки и анализа данных.
Введение в молекулярные графовые представления:
Понимание молекулярных графов важно для понимания химических представлений, используемых в поиске лекарств. Молекулярный граф отображает атомы на узлы и связи на ребра, представляя молекулы структурированным образом. Формально определенный как кортеж узлов (атомов) и ребер (связей), эти графы могут быть визуализированы с использованием различного программного обеспечения. Узлы и ребра часто кодируются в матрицы: матрица смежности для связности, матрица признаков узлов для идентификации атома и матрица признаков ребер для идентификации связи. Алгоритмы обхода графов обеспечивают согласованный порядок узлов, что критически важно для создания надежных представлений. Эта гибкость позволяет кодировать 3D информацию, предлагая преимущества перед линейными обозначениями.
Таблицы связей и форматы файлов MDL:
Таблицы связей (Ctabs) и форматы файлов MDL (теперь BIOVIA) имеют важное значение в молекулярном графовом представлении. Ctabs состоят из счетчиков, атомов, связей, списков атомов, Stext и блоков свойств, эффективно описывая молекулярные структуры путем указания деталей атомов и связей. Они избегают явного представления водорода, что уменьшает размер файла. Форматы MDL, построенные на Ctabs, включают Molfiles для одиночных молекул и расширяются до файлов SD, RXN, RD и RG для дополнительных данных и реакций. Эти форматы широко используются для компактного, систематического хранения и передачи химической информации, поддерживая различные приложения химинформатики.
Современные обозначения: SMILES и InChI:
SMILES, разработанный в 1988 году, является интуитивным и популярным обозначением для кодирования молекулярных структур. Он назначает номера атомам и обходит молекулярный граф с помощью поиска в глубину, позволяя множественные представления одной и той же молекулы. Уникальные SMILES могут быть назначены через канонизацию. SMILES могут кодировать стереохимию и другие сложные структуры, но испытывают трудности с органометаллическими соединениями и ионными солями. Международный химический идентификатор (InChI), введенный в 2006 году, предоставляет стандартное, открытое каноническое обозначение с несколькими уровнями для подробного молекулярного представления. InChIKeys предлагают уникальные, доступные для поиска, хешированные версии InChIs, улучшая доступность химической информации.
Обзор химических представлений:
Химические представления охватывают различные методы моделирования молекул, реакций и макромолекул. Структурные ключи, такие как MACCS и CATS, кодируют наличие конкретных химических групп. Хешированные отпечатки, такие как Daylight и ECFP, используют хеш-функции для представления молекулярных шаблонов. Реакции описываются с использованием форматов, таких как Reaction SMILES, RInChI и CGR. Макромолекулы, включая белки и пептиды, используют последовательностные обозначения и структуры из репозиториев, таких как PDB. Эти разнообразные методы облегчают точный анализ и прогнозирование в химинформатике и поиске лекарств.
Графические представления для молекул и макромолекул:
Графические представления молекул, важные для визуализации и анализа, включают 2D изображения и 3D модели. 2D изображения показывают скелетные структуры, часто используя стандартизированные рекомендации IUPAC, но все еще сталкиваются с проблемами в компоновке и отображении. Инструменты, такие как RDKit и CDK, улучшили 2D визуализацию. Для макромолекул изображения фокусируются на структурах полимеров или пептидов, с помощью инструментов, таких как Pfizer Macromolecule Editor, облегчающих визуализацию. 3D изображения, используя программное обеспечение, такое как Avogadro и PyMOL, включают шариково-палочные, карикатурные и модели ван-дер-Ваальса, облегчая исследования в докинге, взаимодействиях белка-лиганда и механистических исследованиях. Эти представления улучшают понимание химинформатики и поиска лекарств.
“`
