企业官网建设流程全解析

文章主要内容和创新点

主要内容

本文提出了一种名为AutoLeadDesign的铅化合物设计框架，该框架整合了大语言模型（LLM）与化学片段空间，通过“分子空间→片段空间→分子空间”的闭环工作流高效探索化学空间，以设计具有高亲和力和新型结合机制的铅化合物。

• 工作流：首先将已探索的分子分解为片段，通过片段的出现频率和结合能贡献更新片段库（分子空间到片段空间的映射）；再基于片段库中高重要性的片段，利用LLM的领域知识生成新分子（片段空间到分子空间的映射），该过程迭代进行以充分探索化学空间。
• 实验验证：在10种不同类型蛋白质的测试中，AutoLeadDesign在随机初始化和先验初始化场景下均优于REINVENT、ChemGE、RGA等组合优化方法及LLM-based方法LMLF；针对PRMT5（抗癌靶点）和SARS-CoV-2 PLpro（抗病毒靶点）的案例研究显示，其能从头设计出比已知抑制剂亲和力更高、结合机制新颖的化合物，且符合药物likeness和合成可行性标准。
• 机制解释：该框架的工作机制与传统基于片段的药物设计（FBDD）一致，通过片段连接、合并和生长策略实现优化，解释了其有效性。

创新点

1. 整合LLM与化学片段空间：解决了现有LLM方法（如LMLF）易陷入局部优化、探索化学空间能力有限的问题，通过片段空间的动态更新为LLM提供启发，实现更全面的化学空间探索。