高通量实验实现后期药物多样化

近日，苏黎世联邦理工学院新加坡中心Gisbert Schneider团队报道了通过几何深度学习的高通量实验实现后期药物多样化。相关研究成果发表于《自然-化学》。

后期功能化是优化候选药物性质的一种经济方法。然而，药物分子的化学复杂性往往使后期多样化具有挑战性。

为了解决这个问题，研究人员开发了一个基于几何深度学习和高通量反应筛选的后期功能化平台。考虑到硼化是后期功能化的关键步骤，计算模型预测了不同反应条件下的反应产率，平均绝对误差为4%~5%，而对已知和未知底物的新反应的反应性进行分类，平衡准确度分别为92%和67%。主要产品的区域选择性被准确地捕获，分类器F得分为67%。

当应用于23种不同的商业药物分子时，该平台成功发现了许多结构多样化的机会，量化了空间和电子信息对模型性能的影响，并引入了一种全面、简单、用户友好的反应模式。该模式被证明是无缝集成深度学习和高通量实验进行后期功能化的关键促成因素。