AI 驱动的多靶点药物分子设计评估框架：以脑部疾病为案例研究

人工智能（AI）技术的广泛应用显著影响了新型治疗药物的开发。这些计算方法可用于设计和预测生成分子的性质。多靶点药物发现（MTDD）是一种新兴范式，用于发现针对复杂疾病的药物，这些疾病对传统的靶点特异性治疗方法（如中枢神经系统、免疫系统和心血管疾病）反应不佳。然而，目前尚无用于评估 AI 工具设计多靶点化合物有效性的标准化基准套件。标准化基准允许比较现有方法并促进快速研究进展。因此，本工作提出了一种针对 MTDD 场景下分子生成技术的评估框架，以脑部疾病为案例研究。我们的方法包括使用大语言模型选择合适的分子靶点，收集和预处理生物测定数据集，训练定量构效关系模型以预测靶点调控，并评估其他必要的类药性属性以实现基准测试。此外，本工作将评估四种深度生成模型和进化算法在我们基准套件上的性能。我们的发现表明，进化算法和生成模型都能在提出的基准上取得具有竞争力的结果。