共计 953 个字符，预计需要花费 3 分钟才能阅读完成。
在药物研发领域，人工智能正掀起一场革命。西蒙弗雷泽大学研究团队近日公布了一项突破性的人工智能框架——CGFlow，该框架有望彻底革新药物开发流程，显著加快新药的发现速度。
这项发表在《arXiv》预印本服务器上的研究，为解决制药行业长期面临的重大挑战——如何设计和制造有效的药物分子——提供了一种创新性的方法。研究团队开发的这一新流程，可能大幅缩短用于治疗癌症等常见疾病的药物研发周期。
“ 新药开发是一个极其耗时且昂贵的过程，” 西蒙弗雷泽大学计算机科学教授 Martin Ester 解释道，” 传统上，将一种新药推向市场需要约 10 年时间和 10 亿美元。我们的目标是显著缩短这一过程，以便更快地发现、生产并提供新药。”
CGFlow 框架的核心创新在于解决了人工智能药物设计中的关键难题：分子合成路径。论文第一作者、博士生 Tony Shen 用 ” 设计钥匙 ” 的比喻阐述了这一过程：” 对抗疾病的第一步是识别致病蛋白质。然后，我们使用计算机模型设计能够与致病蛋白质结合并使其失活的分子。”
研究团队开发的 CGFlow 采用了一种双重设计策略，使人工智能能够同时模拟分子的构建方式及其三维结构。这种方法确保了生成的分子不仅具有生物活性，而且在化学上也是可行的。
“ 我们开发了一种机器学习方法，几乎可以保证生成的分子能够在实验室中通过化学合成制造出来，”Ester 教授表示，” 这是将这些理论模型转化为实际应用的关键一步。”
与传统的一次性分子设计不同，CGFlow 采用逐步组装的方法，就像用粘土雕塑一样，每次添加一个新组件。这种方法使人工智能能够实时学习每个新组件如何改变分子的整体形状和功能，从而实现更精确和高效的设计。
该技术的潜力已经引起了业界的广泛关注。多家制药公司正在考虑采用 CGFlow 框架进行早期癌症药物研发，这为对抗复杂疾病带来了新的希望。
“ 下一步是将我们的方法引入工业界，使其能够被实际应用并不断改进，”Ester 教授补充道，” 我们非常期待与工业界合作，评估并进一步开发 CGFlow 在实际应用中的表现。”
这项研究已在温哥华举行的 2025 年国际机器学习会议上发表，相关论文《用于 3D 分子和合成路径共同设计的组合流》已发布在《arXiv》平台上。随着这项技术的进一步发展，它有望为药物研发领域带来革命性的变革，为患者带来更多治疗希望。
