SynthFormer：基于药效团的等变分子生成用于配体基础药物设计
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对药物发现过程中计算生成方法与实际体外方法之间的缺口，提出了一种新颖的机器学习模型SynthFormer。该模型利用3D等变编码器生成完整可合成分子，并提供合成路径，从而加速化学空间探索，最终生成在多种蛋白质上具有良好对接分数的分子，显著提升了药物发现的效率。
本研究提出了一种名为SynthFormer的新型机器学习模型，旨在缩小药物发现中计算生成方法与实际实验之间的差距。该模型通过3D编码器生成可合成分子及其合成路径，加速化学空间探索，提高药物发现效率。
