药理学导向的新型药物样态分子生成设计

人工智能（AI）在早期药物发现中的集成为探索化学空间和加速命中-转化优化提供了前所未有的机会。然而，生成方法中的对接优化计算昂贵且可能导致不准确的结果。本文提出一种新型生成框架，在参考化合物的药理学相似性与活性分子的结构多样性之间进行平衡。该框架允许用户提供自定义参考集合，包括FDA批准的药物或临床候选药物，并指导\textit{de novo}潜在疗法的生成。我们通过针对乳腺癌的雌激素受体调节剂和拮抗剂的案例研究，展示了其适用性。所生成化合物保持对已知活性分子高水平的药理学保真性，同时引入显著的结构新颖性，表明在功能创新和专利可行性方面具有强大潜力。对生成分子进行的全面评估确认了该方法的稳健性和药物学相关性。