← 返回实验室

AI分子生成与虚拟筛选:骨架跃迁与成药性前置过滤

本月实验室围绕「骨架跃迁 + 成药性前置过滤」的生成—筛选链路做了一轮收敛实验。此前把生成模型与分子对接串联时,常见问题是高打分分子集中在少数已知骨架附近,多样性不足、后续可合成性差。我们改为在生成阶段引入片段约束以保留关键药效团,在筛选阶段把类药性、溶解度与 hERG 风险作为硬门槛前置,对接打分退居二级排序,只用于同档内区分。

  • 进展:在 3 个内部靶点上各生成约 5 万条候选,经约束过滤后保留 8%–12%;对接打分前 500 条经化学家复核,可合成比例由约 15% 提升至约 30%,且骨架分布明显分散。
  • 下一步:对前 50 条接入自由能微扰做精排,并把过滤阈值沉淀为可按靶点复用的参数模板,同步记录每轮实验的失败原因以便回溯。

需要说明的是,上述数字来自内部回顾性靶点,尚不能外推到新靶点;该链路的定位仍是把候选空间收敛到人工可评估的规模,而非替代湿实验验证。

评论

更多研究动态

查看全部实验室 →