浙大计剑/张鹏团队: 机器学习+组合化学显著加速抗菌化合物高效筛选

文章预览

研究背景 筛选具有特定功能的化合物往往需要耗费大量的时间和金钱。传统的筛选流程需要研究人员根据先验知识进行分子设计，随后进行实验室合成与表征，再根据实验结果，对分子结构进行相应调整，并重复以上实验过程，直至达到设计目标。 这种试错式的研发模式效率低下，且严重限制了对广阔的化学空间的探索。因此，有效构建庞大的化学空间，并于此基础上高效筛选目标功能分子是当前开发新型分子的巨大挑战。 组合化学手段通过高效的核心反应，快速组合不同的化合物基元，能够构建广阔的化合物文库，为探索具有高合成可及性的广阔化学空间提供了一个有力的工具。然而，如何从庞杂的数据中总结抽提相应的规律，以期避免对整个化合物文库困难又耗时的机械式遍历表征，仍然是文库筛选中的难题。 机器学习作为人工智能的分支 ………………………………