-
生物通官微
陪你抓住生命科技
跳动的脉搏
生物通官微
陪你抓住生命科技
跳动的脉搏
综述：用于从头算药物设计的生物引导生成模型综述
《Digital Discovery》：Biologically-driven generative chemistry: using biological data to guide de novo drug designOpen Access
【字体： 大 中 小 】 时间：2026年10月17日 来源：Digital Discovery 7.1
编辑推荐：
打开图形查看器 由于可能的分子种类繁多以及生物系统的复杂性，药物发现是一个极其困难的过程。传统的计算机模拟药物设计
由于可能的分子种类繁多以及生物系统的复杂性，药物发现是一个极其困难的过程。传统的计算机模拟药物设计方法主要集中在优化化学性质上，往往忽视或只是隐含地处理决定化合物是否成为可行药物候选物的关键生物效应。近年来，深度生成模型作为一类强大的机器学习方法出现，能够根据特定的设计目标生成新的分子结构。这些模型越来越多地不仅基于化学特征进行训练，还结合了多种类型的生物数据，包括生物测定、蛋白质结构、基因表达特征和细胞形态学信息。这种生物引导的范式有可能提高生成化合物的相关性和临床转化能力。在这篇综述中，我们提供了关于用于从头算药物设计的生物条件生成模型的全面且易于理解的概述。我们描述了核心的生成方法，同时批判性地分析了当前在基准测试和验证方面存在的挑战。我们的目标是帮助具有机器学习背景的研究人员了解定义生物条件分子生成的数据、设计选择和评估差距。
