返回
A client-enhanced language model for interactive compound optimization guided by explainable artificial intelligence
DOI:10.1016/j.ailsci.2026.100154.png)
摘要
En 中文
化合物优化在药物化学中至关重要。我们介绍了一种新的机器学习框架,用于迭代化学优化,该框架整合了化合物效力预测、预测解释和生成建模,并适用于单个化合物。该方法识别活性化合物中限制其效力的取代基,并迭代地将这些取代基替换为支持效力增加的其他取代基。在概念验证计算中,该策略有效优化了化合物效力。此外,该优化框架通过与大型语言模型结合模型概念协议,生成一个用于交互式优化的AI代理系统。该系统被证明能够根据简单的提示成功执行日益复杂的优化任务,无需额外的微调。这种交互式计算优化方法可供非专家使用,并预计将对实用药物化学特别感兴趣。
Keyword:
Explainable AI
Molecular design
Compound optimization
SAR matrix
Language models
Model concept protocol
AI agents
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
A
IF:
5.4
论文数:
26
被引数:
365
机构
引用论文
Explainable Generative AI (GenXAI): a survey, conceptualization, and research agenda可解释的生成人工智能 (GenXAI): 调查、概念化和研究议程
SMILES, a chemical language and information system. 1. Introduction to methodology and encoding rules微笑,一种化学语言和信息系统。1.介绍方法和编码规则

