The Innovation Informatics | 给百万分子画一张三维地图：MolF-DAEs揭示AI如何理解结构与活性的关系

随着化学空间不断膨胀，药物发现面临巨大挑战。本研究旨在探索能否在保留分子结构与生物活性组织规律的同时，构建可浏览、可解释的三维化学空间。研究团队提出了MolF-DAEs方法，利用深度自编码器将约190万个生物活性分子的分子指纹从高维压缩至三维潜在空间，并基于PubChem、MACCS和Pharmacophore三种分子指纹进行训练。结果显示，MolF-DAEs实现了96.1%到97.6%的指纹重建率，且分子在三维空间中形成清晰的条带状结构，不同靶点类别的分子自然富集于特定区域，如激酶抑制剂、蛋白酶抑制剂和GPCR配体。结论表明，MolF-DAEs成功构建了保留结构与活性规律的三维化学空间地图，可用于配体相似性搜索、虚拟筛选、结构活性关系解释、药物重定位和脱靶风险分析，为药物化学家提供了一种直观且可解释的探索工具。