SmilesGEN: il modello di IA genera molecole simili a farmaci utilizzando l'apprendimento per rinforzo multi-obiettivo

Un nuovo modello generativo chiamato SmilesGEN utilizza un'architettura di autoencoder variazionale per creare molecole simili a farmaci con potenziali effetti terapeutici. Il modello affronta le limitazioni dei metodi precedenti che si basano sui profili di espressione ma trascurano come le molecole perturbino i contesti cellulari. SmilesGEN integra un VAE farmacologico pre-addestrato chiamato SmilesNet con un VAE per profili di espressione chiamato ProfileNet. Questi componenti modellano congiuntamente l'interazione tra perturbazioni farmacologiche e risposte trascrizionali all'interno di uno spazio latente comune. ProfileNet è progettato per ricostruire i profili di espressione pre-trattamento eliminando le perturbazioni indotte dai farmaci nello spazio latente. Nel frattempo, SmilesNet utilizza i profili di espressione desiderati per generare molecole simili a farmaci. L'approccio mira a colmare il divario tra fenotipo e bersaglio per la generazione molecolare. Questa ricerca si concentra sulla generazione de novo di molecole in grado di indurre cambiamenti fenotipici desiderabili. Il lavoro è documentato nel preprint arXiv 2509.21010v2, che è stato annunciato come tipo replace-cross. Lo sviluppo del modello riflette la crescente attenzione verso la generazione di molecole con impatti fenotipici specifici.