研究人员开发了一种新的人工智能算法，可以生成类似药物的分子，并且可以针对特定的药物靶点进行定制。

伦敦国王学院和伦敦帝国理工学院的研究人员开发了一种新的人工智能算法，可以在几秒钟内生成数千个虚拟药物样分子。

这种基于计算机的工具在开发针对特定药物靶点的新药方面可能很有价值。

虚拟文库筛选是早期药物发现的重要步骤，它涉及使用计算工具搜索现有化合物的数据库，

以找到那些结构最有可能与特定药物靶点结合的化合物，就像拼图的两块拼图一样组合在一起。

一旦确定了合适的化合物，它们就会在实验室的细胞和动物模型中进行优化和测试，然后再进入临床试验。

但现有虚拟文库的一个局限性是，对合适化合物的搜索仅限于文库中已经存在的化合物，因此难以识别新的潜在药物。

研究人员开发了一种名为 DrugSynthMC（使用 Monte Carlo 的药物合成）的新 AI 算法，

该算法通过从头开始每秒生成数千个类药物分子的化学结构来扩展药物库中的多样性。

该方法在 Journal of Chemical Information and Modeling 中进行了概述。

“DrugSynthMC 非常高效和快速，因为与许多其他从头药物设计工具不同，

它不依赖于使用训练数据集或神经网络架构”。

——国王大学分子生物化学高级讲师、该研究的共同高级作者 Filippo Prischi 博士

“我们表明，DrugSynthMC 可以扩展可用库中化合物的化学多样性，克服现有药物集合的局限性，”Prischi 博士说。

DrugSynthMC 使用一种称为蒙特卡洛树搜索的算法——一种根据定义的一组操作预测所有可能结果的数学技术。

在这种情况下，DrugSynthMC 按照一小组指令以简单的文本格式构建分子的化学结构，旨在最大限度地发挥口服药物的重要特征。

该团队发现，该算法成功地生成了高比例的易于合成、可溶且无毒的化合物。

重要的是，DrugSynthMC 可以定制以筛选最有可能与特定生物靶标结合的分子。

该团队认为，人工智能算法未来的主要用途将是识别和优化针对与特定疾病相关的蛋白质靶标的化合物。

“尽管这是一个相当简单的算法，但它比任何已经测试或发表的更复杂的算法都要高效得多，

并且将在人工智能驱动的定制治疗靶点药物发现中非常有用。“

伦敦帝国理工学院癌细胞信号读者、该研究的共同高级作者 Olivier Pardo 博士说。

该工具公开可供研究界使用。

这项工作是与法国巴黎第九大学 PRAIRIE 研究所的 Tristan Cazenave 教授和 Milo Roucairol 合作进行的。

这项工作部分得到了法国政府的支持。