Aller au contenu principal
TextGrad: Automatic "Differentiation" via TextMert Yuksekgonul et al.

E2 Fonctions objectifs

Une fois les scores calculés, ils sont transmis à un LLM dans le format suivant.

Prompt d'optimisation de molécules

Étant donné un score d'amarrage et un score de médicamenteusité, ainsi qu'une molécule sous forme de chaîne SMILES, fournissez une courte critique pour améliorer la médicamenteusité de cette molécule et son affinité de liaison avec la protéine {protein_name}. Pour l'amarrage, plus bas est mieux (moins de −10- 10 est considéré comme bon) et pour la médicamenteusité, 1 est le meilleur et 0 le pire (supérieur à 0,8 est considéré comme bon). En termes de priorisation, le score d'amarrage est {vina_qed_ratio} fois plus important que le score de médicamenteusité. Assurez-vous que votre critique soit très succincte et pertinente.

\\\python\ dans nos expériences, nous ne cherchons pas à fournir des informations géométriques similaires, car tous les LLM ne prennent pas en charge les entrées multimodales.Cependant, nous incluons le protein_name dans le prompt de perte afin d'injecter des informations structurelles supplémentaires.

En pratique, l'efficacité d'un médicament est généralement une priorité plus élevée que l'efficacité d'absorption [101, 102], nous fixons donc le vina_qed_ratio à 10. Empiriquement, nous observons qu'en faisant varier ce facteur de priorisation, nous pouvons orienter la génération de TEXTGRAD vers des molécules présentant différents compromis entre affinité de liaison et médicamenteusité. Cette priorisation nous permet également de simplifier la sélection et le classement a posteriori des molécules générées avec un unique score « global » défini comme suit, où un score global SoverallS_{overall} plus bas indique une meilleure molécule.

Étant donné que le score QED est borné entre 0 et 1, et que le score Vina se situe généralement entre −3.0- 3.0 et −12.0- 12.0 kcal/mol, ce score global accorde environ 10 fois plus d'importance à l'affinité de liaison qu'à la ressemblance aux médicaments.