🧪
Task2：赛题深入解析

2024年6月22日创建

12282

14824

赛题背景​
◦
强调了人工智能在科研领域，特别是在化学和药物研发中的重要性。​
◦
指出了PROTACs技术在靶向降解目标蛋白质方面的潜力。​

赛题任务​
◦
要求选手使用提供的demo数据集，这个数据集包含了多个与PROTACs降解能力相关的字段。​
◦
允许选手通过数据增强或自行搜集数据来扩充数据集，并自行划分数据集用于训练和验证模型。​

赛题提供的数据比较有限，仅有几百条，如果能搜索出合适的数据扩充数据集将会是很大的提升，当然数据的搜索也是非常困难的。​

数据字段理解

赛题介绍部分并没有给出关于数据字段的具体介绍，所以这里对每个数据字段进行解释：​

•
数据集包含了多个字段，如uuid（唯一标识符）、Label（降解能力的标签，0表示降解能力较差，1表示降解能力好）、Uniprot、Target、E3 ligase、PDB等，这些都是与PROTACs分子相关的信息。​

•
还包括了降解能力相关的数值指标，如DC50（半数降解浓度）、Dmax（最大降解效率）、IC50（半抑制浓度）、EC50（半有效浓度）等。​

•
还包括了与分子物理化学性质相关的字段，如Molecular Weight（分子量）、Exact Mass（精确质量）、XLogP3（预测的脂水分配系数）等。​

具体说明如下：

•
UUID: 一个唯一的标识符，用于识别数据记录。​

•
Label: 可能指的是化合物或数据集的标签或名称。​

•
Uniprot: 一个蛋白质数据库，提供关于蛋白质序列、结构和功能的信息。​

•
Target: 目标蛋白，即PROTACs设计来降解的特定蛋白质。​

•
E3 ligase: E3连接酶，一种在泛素化过程中扮演角色的酶，帮助标记蛋白质以供降解。​

•
PDB: 蛋白质数据银行，一个包含蛋白质和核酸结构的数据库。​

•
Name: 化合物的名称。​

•
Smiles: 一种表示分子结构的字符串格式。​

•
DC50 (nM): 半最大降解浓度，即达到最大降解效果一半时的化合物浓度。​

•
Dmax (%): 最大降解效率，表示化合物能实现的最大降解效果的百分比。​

•
Assay: 实验方法，这里可能指的是用于测定DC50、Dmax等的实验。​

•
Percent degradation: 分子降解的百分比。​

•
IC50 (nM, Protac to Target): 半最大抑制浓度，针对PROTACs与其目标蛋白的复合物。​

•
EC50 (nM, Protac to Target): 半最大有效浓度，即达到一半最大生物效应的浓度。​

•
Kd (nM, Protac to Target): 解离常数，表示PROTACs与其目标蛋白复合物的结合强度。​

•
Ki (nM, Protac to Target): 抑制常数，用于描述抑制剂与酶的结合强度。​

•
delta G, delta H, -T*delta S: 分别表示结合反应的吉布斯自由能变化、焓变和熵变，这些热力学参数用于描述分子间相互作用的能量状态。​

•
kon, koff: 分别表示分子结合和解离的速率常数。​

•
t1/2 (s, Protac to Target): 半衰期，即分子浓度减少到初始浓度一半所需的时间。​

•
Assay (Protac to Target, kon/koff/t1/2): 可能是指测定结合和解离速率常数以及半衰期的实验方法。​

🥛

接下来的部分讨论了与E3连接酶的相互作用，以及形成的三元复合物（目标蛋白、PROTACs、E3连接酶）的类似参数。​

•
IC50, EC50, Kd, Ki: 与三元复合物相关的参数，与前面提到的类似，但这里特指三元复合物。​

•
delta G, delta H, -T*delta S: 描述三元复合物的热力学参数。​

•
kon, koff, t1/2: 描述三元复合物的动力学参数。​

🎉

最后，描述了与细胞活性相关的参数，包括：

•
IC50, EC50, GI50, ED50, GR50: 这些参数描述了化合物在细胞水平上的活性，如半最大抑制浓度、半最大效应浓度等。​

•
PAMPA Papp: 一种评估药物分子在仿生膜上的通透性的方法。​