arrow
返回

Algorithm-driven, phenotype-directed bioactive molecular discovery

delete2026-05-16
delete0
delete
OA
AI
A
Amalia‐Sofia Piticari
S
Samuel D. Griggs
L
Laura Crawford
J
Joss Whittle
B
Brian S. Mantilla
S
Sonja Sievers
M
Megan H. Wright
S
Stephen P. Marsden
M
Mark Basham
A
Adam Nelson *
DOI:10.1038/s42004-026-02066-8delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
表型驱动的生物活性分子发现通常通过迭代的设计-合成-纯化-测试循环针对特定的蛋白质靶点进行。相比之下,表型驱动的发现可以产生具有意外作用机制的生物活性分子,并开辟首创新药的道路。在此,我们提出了一种完全闭环、算法驱动的表型驱动分子发现工作流程。最初,构建了一个由潜在底物和共底物对组成的大型虚拟反应空间。然后算法设计并自动执行反应批次,并在表型测定中筛选产物;基于观察到的命中结果,算法指导后续一轮或多轮的发现和优化,直至达到用户定义的终点。该方法通过使用铑催化的羟胺酯与烯烃/炔烃共底物的环化反应,结合细胞绘画测定,实现了对一系列微管调节剂的发现和结构演化。由于该工作流程对化学和测定模式具有通用性,该方法可能适用于对可合成化学空间的自动化功能导向探索。该方法的潜力在于加速化学探针的发现,并解锁药物发现的机会。通常,药物发现依赖于针对特定、预先选择的蛋白质靶点的迭代设计-合成-纯化-测试循环。在此,作者介绍了一种算法驱动的、闭环的表型驱动发现工作流程,并通过一系列微管调节剂的发现和结构演化进行了示例。
Keyword:
phenotype-driven discovery
algorithmic workflow
bioactive molecules
tubulin modulators
chemical space exploration
AI总结

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

Communications Chemistry 封面图
Communications Chemistry
IF:
6.2
论文数:
2.3K
被引数:
9.4K

机构

R
Rosalind Franklin Institute
学者数:
5
论文数: 5
被引数: 11
M
max-planck-institute of molecular physiology
学者数:
8
论文数: 2
被引数: 0
U
University of Leeds
学者数:
2.2K
论文数: 901
被引数: 2.5W
学者 查看更多机构
引用论文

引用论文

暂无论文信息