Molgpka：グラフ抑制ニューラルネットワークを使用した小分子PKA予測用のWebサーバー

PKAは、生理学的pHの分子の電荷状態が生物活性、溶解度、膜透過性、代謝、毒性において重要な役割を果たすため、主要な最適化プロセスにおいて重要な特性です。少量分子PKAの正確かつ迅速な推定は、創薬プロセス中に不可欠です。Graph Convolutal Neural Networkモデルを使用して、PKA予測のWebサーバーであるMolgpkaを提示します。このモデルは、PKA関連の化学パターンを自動的に学習し、学習された機能を備えた信頼できる予測因子を構築することにより機能します。Chemblデータベースからの160万の化合物のACD/PKAデータがモデルトレーニングに使用されました。モデルのパフォーマンスは、人間工学の指紋で構築された機械学習モデルよりも優れていることがわかりました。詳細な分析は、PKAに対する置換効果がモデルによって十分に学習されていることを示しています。Molgpkaは、リガンド設計プロセス中にPKAを迅速に推定するための便利なツールです。MolgPKAサーバーは研究者が自由に利用でき、https：//xundrug.cn/molgpkaでアクセスできます。

pKa is an important property in the lead optimization process since the charge state of a molecule in physiologic pH plays a critical role in its biological activity, solubility, membrane permeability, metabolism, and toxicity. Accurate and fast estimation of small molecule pKa is vital during the drug discovery process. We present MolGpKa, a web server for pKa prediction using a graph-convolutional neural network model. The model works by learning pKa related chemical patterns automatically and building reliable predictors with learned features. ACD/pKa data for 1.6 million compounds from the ChEMBL database was used for model training. We found that the performance of the model is better than machine learning models built with human-engineered fingerprints. Detailed analysis shows that the substitution effect on pKa is well learned by the model. MolGpKa is a handy tool for the rapid estimation of pKa during the ligand design process. The MolGpKa server is freely available to researchers and can be accessed at https://xundrug.cn/molgpka.