研究人员开发了SABLE（Synthetically-accessible Agentic Bayesian Ligand Exploration），一个开源框架，旨在简化药物发现中的苗头化合物优化。SABLE利用自然语言指令指导化学结构设计，将LLM与用于类似物枚举、属性预测和贝叶斯优化的专用工具集成。该模块化系统通过为分析和优先级排序阶段提供计算孪生体，旨在加速设计-制造-测试-分析（design-make-test-analyze）循环，最终丰富目标计算对象的候选集。 AI
影响 该框架可以通过提高计算设计和合成类似物优先级排序的效率，来加速药物发现的早期阶段。
排序理由 该集群包含一篇详细介绍特定科学应用新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
