人工智能为新药后期合成多样化提供途径
2023年11月23日，《Nature Chemistry》（IF=21.8）发表了一项研究"Enabling late-stage drug diversification by high-throughput experimentation with geometric deep learning"，该研究开发了一种人工智能模型，可以预测药物分子可发生化学改变的位置。
原文链接： https://www.nature.com/articles/s41557-023-01360-5
David Nippa与苏黎世联邦理工学院（ETH zurich）博士生Kenneth Atz一起开发了一个AI模型，该模型使用来自罗氏（Roche）自动化实验室的可信科学作品和试验数据进行训练。
该模型能够成功预测任何分子的硼化位置，并为化学转化提供最佳条件。
该方法已成功用于识别现有活性成分中可引入其他活性基团的位置，这将有助于研究人员更快地开发已知药物活性成分的新的、更有效的变体。
图. 硼化区域预测（图片来源： https://www.nature.com/articles/s41557-023-01360-5 ）
感兴趣的伙伴，可以下载原文查看~