内容提要
浙江大学研究团队提出Delete模型，结合生成人工智能与结构优化，提高药物设计效率。该模型有效优化先导化合物，生成高效结合分子。实验表明，Delete设计的抑制剂CA-B-1在抗肿瘤方面表现优异，显示出在药物发现中的潜力。
关键要点
-
浙江大学研究团队提出Delete模型，结合生成人工智能与结构优化，提高药物设计效率。
-
Delete模型有效优化先导化合物，生成高效结合分子。
-
实验表明，Delete设计的抑制剂CA-B-1在抗肿瘤方面表现优异，显示出在药物发现中的潜力。
-
Delete模型通过统一的掩蔽策略和等变网络设计，能够高效处理先导化合物优化任务。
-
现代人工智能辅助药物设计（AIDD）有效缩短了药物研发的时间和成本。
-
Delete模型整合了基于结构的范式和先导化合物优化方法，符合现实世界需求的复杂性。
-
Delete模型在四个子任务中优于七个基线模型，成功重现了历史药物开发案例的结果。
-
Delete成功设计了一系列针对LTK蛋白的活性配体，候选配体CA-B-1表现出优异的纳摩尔活性。
-
研究凸显了基于结构的分子生成技术在药物发现中的变革潜力，能够加速药物设计。
延伸问答
Delete模型的主要功能是什么？
Delete模型结合生成人工智能与结构优化，能够高效处理先导化合物优化任务，生成高效结合分子。
CA-B-1抑制剂在抗肿瘤方面的表现如何？
CA-B-1抑制剂在体外和体内实验中表现出高效性和选择性，显示出优异的抗肿瘤功效。
Delete模型如何提高药物设计效率？
Delete模型通过统一的掩蔽策略和等变网络设计，整合了基于结构的范式和先导化合物优化方法，从而提高药物设计效率。
现代人工智能辅助药物设计的优势是什么？
现代人工智能辅助药物设计有效缩短了药物研发的时间和成本，尤其在抗菌药物开发中展现出显著成效。
Delete模型在历史药物开发案例中的表现如何？
Delete模型在回顾性研究中成功完全重现了五个历史药物开发案例的结果，显示其有效性。
Delete模型的设计理念是什么？
Delete模型的设计理念是结合基于结构的范式和先导化合物优化方法，以更准确地符合现实世界需求的复杂性。
