从人类语言和化学语言中学习以预测生物功能

理解分子结构如何编码生物功能，仍然是药物发现领域的一项重大挑战。在此，我们提出 PubCheF-1，这是一种深度学习模型，可直接从化学结构预测源自文献的生物功能。PubCheF-1 采用一个将分子与其所出现科学论文中提取的标签相连接的数据集进行训练，该策略通过描述其功能的语言将彼此不同的化合物关联起来。当任务为识别 β-内酰胺酶抑制剂（包括那些被认为在很大程度上难以被抑制的酶）时，PubCheF-1 预测出了一组结构上彼此不同的化合物，这些化合物合计对所有 β-内酰胺酶类别均具有活性。此外，这些命中化合物可直接结合酶活性位点，恢复多重耐药高优先级病原体中的抗生素效力，并在动物感染模型中表现出强效活性。综上，这些发现表明，基于科学文献语言所衍生的机器学习生物功能预测，能够以高命中率识别具有生物活性的分子，从而加速治疗性发现。

理解分子结构如何编码生物学功能，仍是药物发现领域的一项重大挑战。在此，我们提出 PubCheF-1，一种能够直接基于化学结构预测源自文献的生物学功能的深度学习模型。PubCheF-1 采用将分子与其所见于科学论文中的标签相连接的数据集进行训练，这一策略通过描述其功能的语言将不同化合物关联起来。针对识别 β-内酰胺酶抑制剂这一任务——其中包括被认为在很大程度上难以抑制的酶——PubCheF-1 预测出了结构上彼此不同的化合物，这些化合物总体上对所有 β-内酰胺酶类别均具有活性。此外，这些命中化合物可直接结合酶活性位点，恢复多药耐药重点病原体中的抗生素疗效，并在动物感染模型中表现出强效活性。综上，这些发现表明，基于科学文献语言所推断的生物学功能的机器学习预测，能够以较高命中率识别具有生物活性的分子，从而加速治疗性发现。

C.W.K.、N.K.、K.K.、A.J.S.M.、E.M.M.、Y.J.Z.、A.D.E. 和 D.A.I.M. 是一项涵盖本研究所述化合物的专利申请的发明人，该专利申请归属德克萨斯大学奥斯汀分校。其他作者声明不存在竞争性利益。

感谢您有兴趣传播 bioRxiv 的信息。

注：仅为识别您为本文的发送者，故需提供您的电子邮件地址。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.09.743788v1?rss=1

🏷️ 深度学习 生物功能预测 化学结构 β-内酰胺酶抑制剂 药物发现