Development of a generative adversarial neural network for identification of potential HIV-1 inhibitors by deep learning methods

G I Nikolaev,A I Anishenko,,A V Tuzikov,N A Shuldov,A M Andrianov

doi:10.37661/1816-0301-2020-17-1-7-17

Abstract

A generative adversarial autoencoder for the rational design of potential HIV-1 entry inhibitors able to block the region of the viral envelope protein gp120 critical for the virus binding to cellular receptor CD4 was developed using deep learning methods. The research were carried out to create the architecture of the neural network, to form virtual compound library of potential anti-HIV-1 agents for training the neural network, to make molecular docking of all compounds from this library with gp120, to calculate the values of binding free energy, to generate molecular fingerprints for chemical compounds from the training dataset. The training the neural network was implemented followed by estimation of the learning outcomes and work of the autoencoder. The validation of the neural network on a wide range of compounds from the ZINC database was carried out. The use of the neural network in combination with virtual screening of chemical databases was shown to form a productive platform for identifying the basic structures promising for the design of novel antiviral drugs that inhibit the early stages of HIV infection.

Highlights

A generative adversarial autoencoder for the rational design of potential HIV-1 entry inhibitors able to block the region of the viral envelope protein gp120 critical for the virus binding to cellular receptor CD4 was developed using deep learning methods
Для тестирования работы автоэнкодера с помощью программного пакета RDKit была создана библиотека молекулярных дескрипторов MACCS (URL: http://www.dalkescientific.com/writings/ NBN/fingerprints.html) для 21 325 567 соединений из библиотеки Drug-Like базы данных ZINC [12, 13] и рассчитаны пять молекулярных дескрипторов для сгенерированных автоэнкодером молекул при пороговом значении энергии связывания с белком gp120, равном 5 ккал/моль
Что совместное использование нейронной сети с виртуальным скринингом молекулярных библиотек формирует продуктивную платформу для идентификации базовых структур, перспективных для создания новых противовирусных препаратов, терапевтическое действие которых основано на ингибировании ранних стадий развития ВИЧ-инфекции

Summary

Introduction

Методами глубокого обучения разработан генеративный состязательный автоэнкодер для рационального дизайна потенциальных ингибиторов проникновения ВИЧ-1, способных блокировать участок белка gp120 оболочки вируса, критический для его связывания с клеточным рецептором CD4. Включающие создание архитектуры автоэнкодера, формирование молекулярной библиотеки потенциальных лигандов белка gp120 ВИЧ-1 для обучения нейронной сети, молекулярный докинг лигандов с белком gp120 и расчет свободной энергии связывания, генерацию молекулярных дескрипторов химических соединений обучающего набора данных, обучение нейронной сети, оценку результатов обучения и работы автоэнкодера.

Results

Conclusion