釋出Covalent-MAS框架以進行藥物的迭代設計

開發人員推出了 Covalent-MAS — 一個模組化的Python框架，旨在自動化共價藥物的創建過程。該工具針對使用機器學習方法進行分子遞歸設計的問題。

系統支持多標準優化和基於證據的學習。框架中集成了 AutoDock Vina 的適配器，允許進行分子對接以評估化合物的親和力。使用此堆棧使得有效分子的生成率提高到 98.81%。

解決方案的架構基於模組化原則，給研究人員提供了靈活配置生成和過濾化學結構的管道的能力。框架旨在集成到現有的計算環境中，該環境用於藥物開發和生物信息學。

該項目以開源方式發布，供計算化學領域的專家使用。該工具允許通過自動化的遞歸數據處理來縮短尋找新活性化合物時驗證假設的時間。