본문으로 건너뛰기
TextGrad: Automatic "Differentiation" via TextMert Yuksekgonul et al.

F.1 도킹 및 약물유사성 평가

분자를 최적화하기 위해, 우리는 SMILES 문자열로 인코딩된 화학 구조의 결합 친화도와 약물유사성을 평가한다. 두 지표를 모두 계산하기 위해, 생성된 SMILES 문자열은 먼저 RDKit의 MolFromSmiles 기능을 사용하여 옥텟이 완성된 루이스 점 구조로 변환된다. 이 방법은 명시적 수소를 추가하고, 방향족 고리를 케쿨화하며, 원자가 상태를 표준화하고, 라디칼을 할당하여 분자를 "정제(sanitize)"한다 [100]. 이 정제 과정이 어느 단계에서든 실패하는 경우, 즉 구조적 모호성이나 유효하지 않은 분자로 인한 경우, QED 및 Vina 점수는 TEXTGRAD에게 해당 분자가 유효하지 않음을 알리는 단일 문자열로 대체된다.

생성된 SMILES 문자열이 유효한 화학 구조를 나타내는 경우, 우리는 RDKit의 Chem.QED 함수를 사용하여 QED 점수를 계산한다. QED 점수는 빠르고 안정적으로 계산될 수 있지만, 도킹 점수는 표적 및 리간드 구조 준비에 따라 크게 달라질 수 있다. 일관성을 보장하기 위해, 우리는 표준화된 도킹 워크플로를 구현하고 일련의 금표준 표적을 제공하는 DOCKSTRING 패키지 [61]를 사용하여 Vina 점수를 계산한다. 특히, 리간드가 RDKit에 의해 정제된 후, DOCKSTRING은 Open Babel을 사용하여 pH 7.4에서 이를 (탈)양성자화하고, 유클리드 거리 기하학 알고리즘 ETKG와 고전적 힘장 MMFF94를 사용하여 3D 기하 구조를 준비하고 개선한다. 마지막으로, 모든 리간드 원자에 대해 Gasteiger 전하가 계산되고, 결과 구조는 Autodock Vina에 전달되는 리간드 PDBQT 파일로 저장된다. 표적 준비의 경우, DOCKSTRING 벤치마크 스위트는 임상적으로 관련된 단백질의 엄선된 결정 구조 58개를 제공하며, 대다수가 2.5 Å 미만의 해상도를 가진다. 이 구조들은 이론적 결합 친화도와 실험적 결합 친화도 간의 상관관계를 개선하기 위해 특별히 준비되었으며, 예를 들어 극성 수소를 수동으로 추가하고 잔류 물 및 용질 분자를 제거함으로써 그러하다. DOCKSTRING은 또한 수치 시드, 탐색 상자 좌표, 샘플링 철저성과 같은 시뮬레이션 매개변수를 표준화하여 재현 가능한 점수를 보장한다.