要約:
- Optibriumは、複雑なマクロサイクリック天然物のリード最適化を加速するために、QuanSA（Quantitative Surface-field Analysis）メソッドを使用した研究をJournal of Computer-Aided Molecular Designに発表。
- QuanSAメソッドは、活性学習アプローチを使用し、化合物の選択において予測される最も活性の高い化合物とリード最適化に最も有益な情報を提供する。
- Florylpicoxamid（FPX）は、UK-2Aの模倣物であり、QuanSAメソッドを使用してFPXの結合代謝形態が成功裏に特定された。
- マクロサイクルの存在により、完全なリガンドベースの親和性予測は複雑であるが、機械学習がリード最適化のための物理的に意味のあるモデルを構築できることを示す興奮がある。
感想:
OptibriumのQuanSAメソッドは、活性学習戦略を使用して実世界の分子設計に適用できることが示され、複雑な分子のリード最適化を単純化できる可能性があるということは非常に興味深い。マクロサイクリック天然物は薬や農薬として大きな可能性を秘めていますが、その複雑さから大規模な製造が難しいとされています。この研究は、薬物探索だけでなく新しい農薬開発を促進するために、複雑な分子のリード最適化を大幅に簡素化できることを示しています。