自建数据库收录近 3,000 种药物数据

原标题：登Nature子刊！华中师范大学提出DigFrag，用AI精准分割分子片段，并生成44个药物/农药分子
文章来源：HyperAI超神经
内容字数：7937字

数字化分段方法 DigFrag 的创新与应用

近期，华中师范大学的研究团队开发了一种名为 DigFrag 的数字化分段方法，这一创新在药物发现领域展现出巨大的潜力。DigFrag 通过局部聚焦于分子图，强调关键子结构并将其分割成片段，进而生成符合预期化学特性的化合物。该方法不仅提高了片段结构的多样性，还为基于片段的药物发现（FBDD）提供了新的解决方案。

1. FBDD 的挑战与 AI 的引入

虽然 FBDD 在药物研发中起着关键作用，但有效的分子片段库构建一直是个挑战。传统方法多依赖经验直觉，难以实现结构的多样化。AI 的出现为这一难题带来了新的机遇，DigFrag 的开发就是一个典型例子。通过 AI 技术，该方法能从机器学习的角度出发，识别和生成更为多样化的分子片段。

2. DigFrag 的工作流程与优势

DigFrag 的工作流程分为三个步骤：首先，基于图神经网络对分子进行片段化；其次，整合多种分段方法（如 BRICS、RECAP、MacFrag）以提升生成能力；最后，建立用户友好的在线平台 MolFrag，支持多种分子分析和设计。实验表明，DigFrag 生成的片段在结构多样性上优于传统方法，特别是在片段的可旋转键数量和独特性方面。

3. 实验结果与模型评价

研究采用五折交叉验证对 DigFrag 方法进行评估，结果显示其生成的药物和农药片段在多个关键性能指标上表现出色，尤其在分子量、QED 和 SA 属性分布上与 MOSES 数据集的相似性最高。此外，DigFrag 模型生成的分子在毒性和稳定性方面也展现出更高的安全性，为药物开发提供了更可靠的基础。

4. 未来展望与 AI 的重要性

随着 AI 技术的发展，其在药物发现与设计中的应用越来越深入。DigFrag 和其他相关模型的成功应用表明，AI 能够有效提升药物研发的效率和成功率，为患者提供更安全、更有效的治疗方案。未来，我们可以期待 AI 在药物开发领域带来更多创新和突破。

总之，DigFrag 方法为药物发现领域提供了一种新的思路和解决方案，结合 AI 技术的应用，极大地推动了分子设计的进步，展现出广阔的应用前景。

联系作者

文章来源：HyperAI超神经
作者微信：
作者简介：解构技术先进性与普适性，报道更前沿的 AIforScience 案例