解读数十亿化合物级虚拟筛选的路径
- 这篇评论文章探讨了按需合成虚拟化合物库快速扩张至数百亿分子规模的现状,以及这一规模给计算筛选带来的现实挑战。
- 讨论了研究人员如何高效地对如此庞大的化学空间进行优先排序和搜索,并权衡计算成本与错失潜在活性化合物风险之间的取舍。
- 探讨了这类大规模筛选方法如何融入药物发现早期的先导化合物筛选流程。
💡 要点
规模本身没有意义,如果打分函数在那个体量下无法区分信号与噪声——超过数亿化合物后,无论物理方法还是机器学习打分函数,富集效果大多都会趋于平台期。这篇文章坦诚地指出筛选优先级问题尚未解决,考虑到细节如此单薄,这份坦诚恰恰是目前唯一值得信赖的部分。