分子
可微分骨架树：基于梯度的分子优化算法
这周我们简单介绍一个高效分子优化的方法。该工作由UIUC的Jimeng Sun组合MIT的Connor Coley组合作完成，对应的文章题目是Differentiable Scaffolding Tree for Molecule Optimization[1]，被2022年ICLR接受，主要的代码和数据发布在。内容：思路：基于梯度的分子优化分子的可微分骨架树类梯度上升的优化算法优化效果测试由可微性得到的可解释性思路：基于梯度的分子优化在药物发现中，分子优化，即找到具有理想性质的分子结构，是核心的一步。由于化学结构
使用深度学习，通过一个片段修饰进行分子优化
编辑 | 萝卜皮分子优化是药物开发中的关键步骤，可通过化学修饰改善候选药物的预期特性。来自俄亥俄州立大学（The Ohio State University）的研究人员，在分子图上开发了一种新颖的深度生成模型 Modof，用于分子优化。Modof 通过预测分子处的单个断开位点以及在该位点去除和/或添加片段来修饰给定的分子。在 Modof-pipe 中实现了多个相同 Modof 模型的管道，以修改多个断开位置的输入分子。研究人员表明 Modof-pipe 能够保留主要的分子支架，允许控制中间优化步骤并更好地约束分子相
可对药物分子进行表征的几何深度学习
编辑 | 萝卜皮几何深度学习（GDL）基于包含和处理对称信息的神经网络架构。GDL 为依赖于具有不同对称性和抽象级别的分子表示的分子建模应用程序带来了希望。苏黎世联邦理工学院的研究人员对分子 GDL 进行了结构化和统一概述，重点介绍了其在药物发现、化学合成预测和量子化学中的应用。它包含对 GDL 原理的介绍，以及相关的分子表示，例如分子图、网格、曲面和字符串，以及它们各自的属性。讨论了分子科学中 GDL 当前面临的挑战，并尝试预测未来的机会。该综述以「Geometric deep learning on molec
NUS研究团队开发自动化药物生产新技术，「自动化多步合成」成可能
发现和开发用于治疗的新型小分子化合物需要投入大量的时间、精力和资源。新加坡国立大学(NUS)的研究团队开发了一种适合药物小分子的自动化生产方法，为传统化学合成提供了新的思路。该方法可能用于通常通过手动工艺生产的分子，从而减少所需的人力。取得这一技术突破的研究小组由新加坡国立大学化学系助理教授Wu Jie 和新加坡国立大学化学和生物分子工程系副教授Saif A. Khan领导。Liu Chenguang博士（左）和Wu Jie助理教授（右）。（来源：NUS）NUS团队演示了用于癌症治疗的药物分子prexersatib