随着人工智能技术的飞速发展,其在药物研发领域的应用也在日益增长。研究人员也在积极地使用机器学习模型,通过从海量的分子库中筛选出具有潜在药用价值的分子,来加速新药的研发进程。 然而,新药研发过程中涉及诸多复杂因素,如材料成本、实验风险等,即使借助人工智能,也难以轻松权衡合成最佳候选药物的经济性。 为了协助科学家在药物研发过程中作出更经济的决策,麻省理工学院的研究团队开发出一种新的算法框架——合成计划和基于奖励的路线优化工作流程(SPARROW)。该框架能够智能识别出最具成本效益的分子候选者,旨在降低合成成本...【查看原文】