Commun Chem｜华东师范大学李洪林等：基于深度学习的大环化学空间探索新策略

本文针对大环药物设计中的数据稀缺问题，提出基于深度学习的创新解决方案。研究背景指出大环化合物具有高亲和力和选择性等优势，但传统方法依赖试错且缺乏有效修饰手段。研究目的旨在开发CycleGPT生成模型，结合渐进式迁移学习策略和HyperTemp采样算法，将结构修饰转化为化学空间探索。研究结论显示该方法成功生成新颖有效的大环分子，并通过JAK2抑制剂案例验证其实用性——获得活性达1.17nM且具优异选择性的候选化合物，在动物实验中展现出治疗潜力，为AI驱动药物研发提供新范式。