基于药效团与GPT从头生成分子，北大开发TransPharmer助力药物发现

文章预览

将  ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | 萝卜皮 深度生成模型推动了药物发现，但生成的化合物通常结构新颖性有限，限制了药物化学家的灵感。 为了解决这个问题，北京大学的研究人员开发了 TransPharmer，这是一种生成模型，它将基于配体的可解释药效团指纹与基于生成预训练 Transformer（GPT）的框架相结合，用于从头生成分子。 TransPharmer 在无条件分布学习、从头生成和药效团约束下的骨架构建方面表现出色。其独特的探索模式可以增强骨架跳跃，生成结构不同但药理学相关的化合物。这为发现结构新颖且具有生物活性的配体提供了一种有前途的工具。 该研究以「 Accelerating discovery of bioactive ligands with pharmacophore-informed generative models 」为题，于 2025 年 3 月 10 日发布在《 Nature Communications 》。 识别具有针对目标生物活 ………………………………