选择性

人工智能为新药铺平道路:几何深度学习方法可以预测合成药物分子的最佳方案

编辑 | 萝卜皮后期功能化是优化候选药物特性的一种经济方法。然而,药物分子的化学复杂性往往使得后期多样化具有挑战性。为了解决这个问题,德国慕尼黑大学(Ludwig-Maximilians-Universität München)、苏黎世联邦理工学院(ETH Zurich)和巴塞尔罗氏制药(Roche Innovation Center Basel)的研究人员开发了基于几何深度学习和高通量反应筛选的后期功能化平台。考虑到硼基化是后期功能化的关键步骤,计算模型预测了不同反应条件下的反应产率,平均绝对误差范围为 4-5%
  • 1