点击本文中加粗蓝色字体即可一键直达新药情报库免费查阅文章里提到的药物、机构、靶点、适应症的最新研发进展。
在全新药物设计领域，生成模型的应用已成为跨学科研究的热门话题。然而，这类模型目前仍面临一项主要挑战，即生成的分子如何实现可合成性。由于这一限制，生成模型在药物化学专家中并未得到广泛的认可。为了克服这一障碍，一些研究人员借鉴传统药物设计中的组合化学技术，将它们引入生成模型领域。这些模型利用预先定义的反应规则，将合成子模块进行组装，以创造出新颖的分子。尽管这种方法在一定程度上提升了分子的可合成性，但与传统的组合化学技术一样，它依然存在一些不足，例如部分生成分子的实际合成难度较高，以及生物活性结果的不确定性等。
近日，在《Nature Communications》杂志上，浙江大学药学院谢昌谕和侯廷军教授的研究团队发表了一项突破性研究。该研究介绍了一种名为ClickGen的新型模型，基于模块化反应和强化学习，旨在对可合成化学空间进行定向探索。ClickGen通过模块化反应技术组装分子，将强化学习与分子补全技术结合，确保生成的分子具备高度的多样性和新颖性，同时与目标蛋白质展现出强亲和力。在针对PARP1的药物设计测试中，ClickGen展示了显著的效率优势，研究团队仅用20天便完成了先导化合物的设计、合成和生物活性测试，相较于传统方法表现出更高的效率。在生物活性实验中，两种候选化合物展现出优秀的抗增殖活性、低毒性以及对PARP1的纳摩尔级抑制能力。
这一研究结果标志着分子生成领域一个全新范式的出现，有望推动人工智能驱动的自动化实验和闭环分子设计的进一步发展，为新药研发打开新的大门。值得一提的是，ClickGen不仅在合成效率上具备优势，而且在提升生成分子的生物活性方面也取得了显著进展。
免责声明：新药情报内容编辑团队专注于介绍全球生物医药健康研究的最新进展，本文旨在提供信息交流，不代表任何立场或治疗方案推荐。如需专业医疗建议，请咨询正规医疗机构。
