伦敦国王学院和帝国理工学院的研究人员开发了一种人工智能算法，可能有助于药物发现。
这种基于计算机的工具名为使用蒙特卡罗的药物合成（DrugSynthMC），能够每秒生成数千个类药物分子的化学结构，从而扩大药物库的多样性。
伦敦国王学院分子生物化学高级讲师、该研究的共同高级作者菲利波·普里希博士说：“我们表明，DrugSynthMC 可以扩大现有化合物库的化学多样性，克服现有药物集合的局限性。”
虚拟库筛选是早期药物发现的重要步骤，它使用计算工具在现有化合物的数据库中搜索，以找到那些结构最有可能与特定药物靶点结合的化合物。
一旦确定了合适的化合物，它们会在进入临床试验之前在实验室的细胞和动物模型中进行优化和测试。
然而，寻找合适化合物的搜索通常仅限于虚拟库中已存在的那些，这使得难以识别新的潜在药物。
DrugSynthMC 使用了一种称为蒙特卡罗树搜索的算法——一种基于一组定义的动作预测所有可能结果的数学技术。
该算法通过遵循旨在最大化口服药物重要特征的一小组指令，以简单的文本格式构建分子的化学结构。
研究人员发现，该算法成功地生成了高比例的易于合成、可溶且无毒的化合物。
他们认为该算法可用于识别和优化针对与特定疾病相关的蛋白质靶点的化合物。
该方法已在 2024 年 9 月 9 日发表在《化学信息与建模杂志》上的一篇文章中概述。
帝国理工学院癌症细胞信号学的读者、该研究的共同高级作者奥利维尔·帕尔多博士说，他对研究结果“非常兴奋”。
帕尔多博士说：“尽管这是一个相当简单的算法，但它比在那里测试或发布的任何更复杂的东西都要高效得多，并且将在针对定制治疗靶点的人工智能驱动的药物发现中变得非常有用。”
该工具可供研究社区公开使用。
