Optibrium 展示了复杂农用化学品开发中先导化合物改进的加速

Optibrium 是一家领先的分子设计软件和人工智能解决方案开发商，今天宣布在《计算机辅助分子设计杂志》上发表一项同行评审研究，题为“从 UK-2A 到 florylpicoxamid：主动学习识别大环天然产物”模仿者。” 本文介绍了 QuanSA（定量表面场分析）方法（Optibrium BioPharmics 3D 分子设计平台的一部分）的成功应用，以加速农用化学品开发过程中复杂大环天然产物的优化。 通过显着减少优化过程中所需的合成步骤数量，该研究支持复杂大环化合物的商业可行性。

Optibrium 的 QuanSA 方法采用主动学习方法，结合了两种类型的分子选择 – 第一种识别预计最活跃的化合物，第二种识别预计对先导化合物优化最有用的化合物。 该方法在需要支架替换的先导优化中具有广泛的应用，从农用化学品开发到小分子和大环配体设计和发现。 Optibrium 与一家领先的农业公司合作进行的这项研究中，探讨了这种方法如何通过减少需要合成的化合物数量，提供更有效的途径来寻找新的农用化学品（例如用于作物保护）。

氟吡啶酰胺 (FPX) 是大环天然产物 UK-2A 的模拟物，最初是通过需要数千个并排合成类似物的逐步解构方法来鉴定的。 在实验室 和 在工厂里 使用 QuanSA 方法，在五轮化合物选择和模型优化过程中成功鉴定了 FPX 的结合代谢形式，将所需合成类似物的总数减少了十分之一。

“仅基于配体的亲和力预测很困难，大循环增加了复杂性，我们很高兴展示机器学习如何为先导化合物优化构建真正有意义的模型，以及 Optibrium 的 QuanSA 方法如何使用主动学习策略来应用。现实世界中的分子设计。”

​​​​​​Anne Cleaves，Optibrium 应用科学副总裁

​​​​​​安妮继续说道： “大环天然产物在药物和作物保护方面显示出巨大的潜力，但其复杂性使得它们难以大规模生产和实施。这项研究表明，我们可以大大简化复杂分子的先导化合物优化过程，不仅可以用于药物发现，还可以推动新型农化产品的开发。”