MolReAct: Framework Guidato da LLM per l'Ottimizzazione di Farmaci Sintetizzabili

MolReAct rappresenta un framework innovativo volto a migliorare l'ottimizzazione dei lead durante la scoperta di farmaci, unendo i Large Language Models (LLM) con spazi di azione vincolati dalla sintesi. Questo metodo tratta l'ottimizzazione dei lead come un processo decisionale di Markov utilizzando template di reazione validati, garantendo che le alterazioni molecolari siano allineate con percorsi sintetici pratici. Un agente LLM, dotato di strumenti, funge da ambiente di reazione reattivo, impiegando strumenti specializzati di analisi chimica per individuare siti reattivi e gruppi funzionali, suggerendo successivamente insiemi concisi di trasformazioni chimicamente valide. Un modello di policy specifico viene sviluppato tramite Group Relative Policy Optimization. Questo framework supera le carenze delle tecniche attuali che si concentrano sui punteggi delle proprietà senza garantire la sintetizzabilità o dipendono da costose enumerazioni all'interno di estese reti di reazione, evitando al contempo strutture chimicamente non valide tipiche della generazione molecolare diretta basata su LLM.