跳到正文
arXiv· Yossra Gharbi; Rocío Mercado·· 18 天前AI 评分52

TACFormer:基于 Transformer 的靶点条件 PROTAC 从头生成模型

TACFormer: Transformer-Based Generative Model for Target-Conditioned De Novo PROTAC Design

AI 导读

Yossra Gharbi 和 Rocío Mercado 提出 TACFormer,一个以 POI 序列的 ESM-2 表示为条件、基于 Transformer 的 PROTAC 从头生成模型。

预印本 · arxiv · 2610.39891

本站摘要基于收录版本 v1(2026-10-30),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

靶向蛋白降解(TPD)代表了药物发现领域的一次根本性转变,从传统的靶点抑制转向以事件驱动的方式清除致病蛋白。TPD 中一种突出的策略是使用蛋白水解靶向嵌合体(PROTACs),这类异双功能分子能选择性地将目标蛋白(POI)引导至泛素-蛋白酶体系统进行降解。尽管 PROTAC 的设计仍然严重依赖试错式合成与实验测试,深度生成模型为在计算机中探索 PROTAC 化学空间并生成新颖分子提供了有前景的途径。然而,现有的许多生成方法主要将 PROTAC 设计表述为连接子(linker)生成问题,POI 结合部分(弹头)与 E3 连接酶结合部分被预先固定。这限制了对完整 PROTAC 化学空间的探索,且往往通过预定义的弹头隐式地表示 POI,而非在生成过程中将蛋白层面的信息作为显式条件信号。为了解决这些局限,我们提出了 TACFormer:一个面向靶点感知的从头 PROTAC 设计的 transformer 生成模型。该模型以 POI 序列的预训练 ESM-2 表征为条件,驱动一个 GPT 式的分子解码器,使 POI 层面的信息能够引导完整分子的生成。我们的结果表明,TACFormer 能够生成高度新颖且化学多样的 PROTACs,同时在生成的化学空间中表现出一致的、依赖于 POI 的偏移。具体而言,在特定靶点条件下生成的分子会优先占据留出数据集中与 POI 相关的化学邻域,同时外推至新颖的化学型。通过将生物学语境原生地整合进生成过程,TACFormer 推动 PROTAC 设计走向一种更受生物学启发的降解剂化学空间探索。

来源:arXiv · arxiv.org