arXiv cs.AI· Maria Franz, N. Benjamin Erichson·· 10 小时前AI 评分31
剂量决定毒性：生成式药物设计的暴露感知评估
The Dose Makes the Poison: Exposure-Aware Evaluation of Generative Drug Design
AI 导读
研究用PBPK模拟重新评估三个PARP1靶向生成式药物设计流程筛选出的分子，发现60个入围分子中有7个无法达到足够靶点暴露，其余候选中有28%在所需剂量下存在预测安全风险。此外，85%剂量可行的候选分子被静态筛选时忽略的分子所超越，表明纳入剂量与暴露因素会显著改变生成分子的优选结果。
正文 · AI 翻译
摘要：生成模型越来越多地被用于为药物发现提出分子。它们能产生的候选分子远超实验可测试的数量，因此计算筛选至关重要。大多数筛选方法依赖预测的分子性质，如效力和毒性，但忽略了这些性质在给定剂量下如何转化为药物暴露。结果，纸面上看似有前景的分子可能需要不切实际的剂量或引发安全性担忧。我们通过使用基于生理的药代动力学（PBPK）模拟重新评估从三个靶向 PARP1 的生成流程中筛选出的分子，来研究这一差距。在 60 个入围分子中，有 7 个未能达到足够的目标暴露，而其余候选分子中有 28% 在其所需剂量下显示出预测的安全性风险。此外，在剂量可实现的候选分子中，有 85% 的表现不如静态筛选期间被忽略的分子。这些发现表明，考虑剂量和暴露可以显著改变哪些生成分子被认为具有药物开发前景。
| 评论： | 14 页，3 幅图。已被 AI4DD 研讨会（AI for Drug Discovery: Bridging the Translation Gap）接收，NeurIPS 2026 |
| 主题： | 定量方法（q-bio.QM）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.13398 [q-bio.QM] |
| （或 arXiv:2611.13398v1 [q-bio.QM] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13398 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Maria Franz [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 00:20:01 UTC（148 KB）
来源：arXiv cs.AI · arxiv.org