面向增强片剂性能的混合生成式 AI 用于去核体设计
人工智能
2024-10-23 v1
摘要
共晶化是一种控制有机晶体物理化学特性的可行方法，广泛应用于生物医学领域。在本工作中，我们提出了 Co-crystal Design 的生成方法 (GEMCODE)，这是一种基于深度生成模型和进化优化混合的自动化共晶筛选管线，用于更广泛地探索目标化学空间。GEMCODE 能够实现具有目标片剂性能特征的快速 de novo 共晶设计，这对于制药开发至关重要。通过一系列实验研究突出验证和发现案例，我们展示 GEMCODE 在现实计算约束下也有效。此外，我们探讨了语言模型在生成共晶中的潜力。最后，我们提出了大量此前未知的共晶，由 GEMCODE 预测，并讨论了其在加速药物开发中的潜力。
引用
@article{arxiv.2410.17005,
title = {Hybrid Generative AI for De Novo Design of Co-Crystals with Enhanced Tabletability},
author = {Nina Gubina and Andrei Dmitrenko and Gleb Solovev and Lyubov Yamshchikova and Oleg Petrov and Ivan Lebedev and Nikita Serov and Grigorii Kirgizov and Nikolay Nikitin and Vladimir Vinogradov},
journal= {arXiv preprint arXiv:2410.17005},
year = {2024}
}
备注
Accepted at 38th Conference on Neural Information Processing Systems (NeurIPS)