中枢神经系统 (CNS) 药物对人类健康有着重大影响，例如治疗多种神经退行性疾病和精神疾病。近年来，基于深度学习的生成模型，特别是用于从头设计药物的模型，在加速药物发现、降低成本和提高疗效方面显示出巨大的潜力。然而，这些技术在 CNS 药物发现中的具体应用尚未得到广泛报道。在本研究中，我们开发了 CNSMolGen 模型，该模型使用双向循环神经网络 (Bi-RNNs) 系统通过学习具有 CNS 药物特性的化合物来进行 CNS 药物的从头分子设计。结果表明，预训练模型能够生成 90% 以上的全新分子结构，这些新分子具有 CNS 药物分子的性质并且可合成。此外，对具有特定生物活性的小数据集进行了迁移学习，以评估该模型在 CNS 药物优化中的潜在应用。这里，我们以经典中枢神经疾病靶标血清素转运体（SERT）为药物作为微调数据集，并生成针对靶标蛋白的聚焦数据库。使用基于物理的诱导契合对接研究验证了生成的分子的潜在生物活性。该模型的成功证明了其在中枢神经药物设计和优化中的潜力，为未来中枢神经药物开发提供了新的动力。