机构名称：
¥ 1.0
从发现命中化合物到先导化合物优化，使用 AI 结合配体和基于结构的技术。在最近发表的预印本中，我们描述了 Iktos 和 Servier 在后期先导化合物优化项目中成功合作的结果 [7]。这次，我们首次描述了深度学习在从头设计中成功应用于解决实际药物发现项目中的多参数优化 (MPO) 问题。使用项目的初始数据集，在 11 个生物测定中测量了 881 个分子，我们构建了 11 个 QSAR 模型，并将它们与基于深度学习的 AI 从头设计算法结合使用。我们能够自动生成 150 种预测为在所有 11 个目标上都有效的虚拟化合物。选出 20 个最有前途的分子，合成并测试了 11 个。有趣的是，合成并测试的 11 种 AI 设计化合物显示出的功能组要么在初始数据集中很少见，要么在项目早期从未尝试过。最终，11 种 AI 设计的分子中有一种同时满足了项目的所有目标，这表明该方法可以提出创新的新分子来解决 MPO
人工智能在药物发现和开发中的作用
主要关键词
相关文件推荐
