ACS JMC (药物化学)· Liming Hu, You Zhou, Yanan Xu, Qiwei Ye, Mingliang Zeng, Shanyan Mo, Yunfei Teng, Yue Jiao, Sha Hu·· 6 天前精选AI 评分58
从AI输出到药物化学决策：激酶抑制剂发现中的证据边界、耐药导向设计与DMTA学习
From Artificial Intelligence Outputs to Medicinal Chemistry Decisions in Kinase Inhibitor Discovery: Evidence Boundaries, Resistance-Aware Design, and DMTA Learning
AI 导读
【摘要级】这篇观点文章提出，激酶抑制剂项目中 AI 辅助药物发现（AIDD）的价值不应只看预测性能，而应看计算输出能否改善可实施、可实验检验的药物化学决策。作者把 AI 输出视为可检验假设，以 EGFR、ALK/ROS1/TRK、BCR-ABL1 和 BTK 的耐药相关案例说明，明确的证据边界、验证关卡和证伪实验如何指导类似物选择、试验优先级、耐药谱设计以及 DMTA 循环中的信息增益。
推荐理由
文章提出以能否改善药物化学决策来评估激酶抑制剂项目中的 AI 输出，并给出耐药场景下的验证思路。
来源：ACS JMC (药物化学) · doi.org