支持药物化学家在迭代假设生成中进行药物靶标识别
人机交互
2025-12-15 v1
摘要
药物发现对人类健康至关重要，但该过程仍然效率低下。药物化学家必须在一大类蛋白质空间中导航，以识别满足三个标准的靶标蛋白质：物理与功能相互作用、治疗影响以及对接潜力。先前的方法为每个标准提供了碎片化的支持，限制了有前景的假设生成以供湿实验验证。我们提出了 HAPPIER，一个通过集成多标准支持来辅助假设生成的 AI 工具。HAPPIER 使药物化学家能够 1) 在一个集成图组件中高效探索和验证蛋白质，该组件展示多标准满足情况，以及 2) 利用领域知识验证 AI 建议。这些能力促进了发散思维与收敛思维的迭代循环，这对假设生成至关重要。我们对十名药物化学家进行了评估，发现 HAPPIER 增加了高置信度假设的数量并支持迭代循环，进一步展示了参与此类循环与输出置信度之间的关系。
引用
@article{arxiv.2512.11105,
title = {Supporting Medicinal Chemists in Iterative Hypothesis Generation for Drug Target Identification},
author = {Youngseung Jeon and Christopher Hwang and Ziwen Li and Taylor Le Lievre and Jesus J. Campagna and Cohn Whitaker and Varghese John and Eunice Jun and Xiang Anthony Chen},
journal= {arXiv preprint arXiv:2512.11105},
year = {2025}
}