人工智能快速预测药物分子氢原子位置
近日,纽约大学研究团队在《化学科学》期刊发表成果,发布基于图神经网络的AI模型,实现药物分子氢原子位置与稳定互变异构体的快速精准预测。该研究直击药物设计中长期存在的互变异构体判定瓶颈。传统实验手段受限于氢原子定位精度,而量子力学计算成本过高,均难以适配高通量筛选需求。团队通过系统挖掘剑桥结构数据库,构建逾百万级互变异构体数据集,使AI模型能够脱离三维结构与量子计算,直接由二维分子式推断稳定构型。验证显示,该模型在单GPU节点上仅需3.2小时即可处理460万种化合物。在PDBbind配体库测试中,模型成功纠正约2.5%的错误互变异构体分配,显著优化了配体与靶标蛋白的氢键相互作用。目前,该算法已开源为Tautomer-Predictor工具,可有效提升分子对接与动力学模拟的准确度,为结构导向型药物研发提供高效可靠的计算基础设施。
此资讯由 AI 智能聚合生成,旨在高效传递行业动态,不代表任何观点或建议。
