SABLE: Framework basato su IA per l'ottimizzazione multi-obiettivo di farmaci

Un nuovo framework open-source chiamato SABLE (Synthetically-accessible Agentic Bayesian Ligand Exploration) è stato sviluppato da ricercatori per migliorare l'ottimizzazione della struttura chimica nella scoperta di farmaci hit-to-lead attraverso l'orchestrazione in linguaggio naturale. Utilizzando un grande modello linguistico (LLM), interpreta gli obiettivi definiti dall'utente e dirige i compiti, mentre strumenti specializzati eseguono l'enumerazione di analoghi basata su template di reazione, predicono le proprietà fisico-chimiche e ADMET, valutano in base all'affinità strutturale e eseguono l'ottimizzazione bayesiana. Questo flusso di lavoro computazionale rispecchia le fasi analitiche e di prioritizzazione del ciclo design-make-test-analyze, garantendo la provenienza di ogni risultato numerico. In studi di ottimizzazione sia a obiettivo singolo che multi-obiettivo, SABLE arricchisce efficacemente gli insiemi di candidati valutando solo una parte dello spazio chimico. Il framework affronta le complessità del bilanciamento di potenza, selettività, proprietà fisico-chimiche, farmacocinetiche, di sicurezza e vincoli sintetici. L'articolo è disponibile su arXiv con l'identificatore 2608.11483.