J Cheminform｜清华大学张颢等：基于活性悬崖感知强化学习的全新药物设计

本文介绍了清华大学张颢等和微软研究院团队在Journal of Cheminformatics上发表的研究成果，提出了活性悬崖感知强化学习框架（ACARL），用于全新药物设计。背景方面，文章指出传统AI模型在药物设计中往往忽视活性悬崖现象，导致设计出的分子在关键药理区域表现不足。研究目的是通过显式整合活性悬崖现象到AI驱动的分子生成过程中，解决现有模型在建模结构-活性关系时的局限性。实验结果表明，ACARL在多个靶点蛋白的分子生成任务中显著优于现有方法，生成分子兼具高活性和可合成性。结论部分指出，ACARL为药物发现提供了更精准的设计工具，未来研究方向包括结合湿实验验证生成分子的活性，以及进一步提升模型可解释性。