跳到正文
原文
生物谷·资讯·· 23 天前精选AI 评分68

上海药物所团队开发SynFrag工具,用于评估候选分子合成难度

AI设计的分子,实验室合成不出来?上海药物所 JCIM:SynFrag帮你提前筛掉“算得出却做不出”的候选分子

AI 导读

中科院上海药物所团队开发出SynFrag合成难度评估工具,成果发表于 Journal of Chemical Information and Modeling。该工具借鉴有机化学家拼搭分子砌块的逻辑,公开基准TS1、TS2、TS3的AUROC分别为1.000、0.940、0.894,临床药物数据集AUROC为0.945。单分子评估不足1秒,并上线免费网页平台支持批量分析。

推荐理由

该工具以片段组装预训练评估合成难度,单分子评估不足1秒,为候选分子批量初筛提供可解释的打分参考。

正文

新药研发过程里,科研人员经常会遇到一个棘手问题。很多在计算机上各项指标都很完美的候选分子,真拿到实验室动手合成,却屡屡碰壁。想法很好,但实物做不出来,这是药物研发从理论走向实验绕不开的现实困境。

目前判断一个分子好不好合成,主要有两类办法。逆合成分析推演细致可靠,但算一个分子就要花费数分钟,面对成千上万候选分子时很难批量使用。传统的打分工具跑起来很快,可大多只是简单统计分子碎片,没有结合真实化学反应逻辑,换一批分子,判断效果就时好时坏。针对这个行业痛点,中科院上海药物所团队开发出SynFrag评估工具,成果发表在Journal of Chemical Information and Modeling。

SynFrag借鉴有机化学家拼搭分子砌块的思考逻辑,通过大量已知分子学习片段之间如何组合搭建,能够捕捉局部微小结构改动带来的合成难度变化。研究团队搭建多组贴近真实研发的测试样本,包含公开参考分子、临床药物与其合成中间体,还有算法生成的全新化合物,同时上线免费网页平台,支持批量分析,还能直观看到分子不同原子对合成难度的贡献。

多套样本对比测试显示,SynFrag整体表现优于多款主流工具。公开基准TS1、TS2、TS3的AUROC分别为1.000、0.940、0.894;临床药物数据集AUROC达0.945,算法生成分子数据集AUROC为0.889,在甄别全新设计分子上优势明显。对比实验也证明,学习分子片段组装的预训练方式,比通用模型更适配合成难度评估这件工作。

图1. SynFrag模型架构,包含预训练与微调两大模块

模型给出的判断贴合有机化学常识。分子上手性中心越多,合成越棘手,打分也随之下降;分子大小本身对合成难易的影响相对有限。测试404个结构复杂的甾体分子,绝大多数都被正确判定为难以合成,不会因为骨架片段见过就误判。

图2. 模型预测化学合理性验证分析,包含手性中心、分子量分布与实例分子

药物优化中常有长得很像,但合成难度天差地别的分子,多数工具分辨不出这类差异,SynFrag却可以有效识别。分析多步反应的中间产物时,能体现合成复杂度逐步上升的趋势,还能定位分子里的关键反应位点,不再只输出一个没有解释的数字。

图3. 合成难度悬崖识别与多步合成路线中间体评估结果

工具完成单个分子评估不足1秒,速度远超传统逆合成计算。网页端既能完成大规模分子库快速初筛,也可以对接逆合成分析工具,衔接快速打分到完整合成路线解析。

总的来说,SynFrag从化学组装逻辑出发,对各类分子都能稳定判断,兼顾运行速度与结果可解释,缓解了候选分子算得出却做不出的现实矛盾,为新药研发提供实用的评估手段。(生物谷Bioon.com)

参考文献:

Zhang X, Liu J, Xu B, et al. SynFrag: Synthetic Accessibility Predictor Based on Fragment Assembly Generation in Drug Discovery. J Chem Inf Model. 2026;66(6):2997-3012. doi:10.1021/acs.jcim.5c02450

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

来源:生物谷·资讯 · news.bioon.com