F.4 Initialisierung

In der Praxis wird die molekulare Optimierung typischerweise durch groß angelegtes Prä-Optimierungs-Screening beschleunigt, bei dem Bibliotheken von Millionen oder sogar Milliarden existierender chemischer Strukturen durch Docking, Druglikeness und andere Metriken bewertet und gerankt werden. Nur die vielversprechendsten Strukturen, "Leads" genannt, werden von medizinischen Chemikern weiter verfeinert [104]. Obwohl TEXTGRAD jedes Ausgangsmolekül optimieren kann, wählen wir in dieser Arbeit, um seine Leistung genauer zu charakterisieren und zu vermeiden, dass seine Designs in Richtung existierender Medikamente verzerrt werden, stattdessen unsere drei Ausgangsmoleküle aus einfachen Fragmenten häufiger funktioneller Gruppen aus, die in Abbildung 1 gezeigt werden. Diese Fragmente sind sehr divers und gehören zu unterschiedlichen funktionellen Gruppen. Obwohl diese Ausgangsfragmente unterschiedliche Druglikeness- und Bindungsaffinitätseigenschaften aufweisen, ist der Einfluss des Startfragments auf die Leistung von TEXTGRAD minimal, und TEXTGRAD ist in der Lage, aus allen drei Fragmenten Moleküle mit hoher Druglikeness und Bindungsaffinität zu generieren.