AI“过滤器”为药物研发提速：从少量数据预测分子“手性”

来源：Nature

犹他大学与加州大学洛杉矶分校团队开发了一种机器学习工作流，仅基于少量文献数据即可预测不对称交叉偶联反应中分子“手性”的选择性。该模型通过将反应组分转化为可分析的数字描述符，能以极低成本筛选数万种化学结构，指导实验设计。实验验证表明，该工具可将需测试的反应数量从50-60个减少至5-10个，有望大幅加速药物开发进程。