F.4 Initialisation

En pratique, l'optimisation moléculaire est généralement accélérée par un criblage de pré-optimisation à grande échelle, où des bibliothèques de millions, voire de milliards, de structures chimiques existantes sont évaluées et classées par docking, ressemblance aux médicaments et autres métriques. Seules les structures les plus prometteuses, appelées « têtes de série », sont ensuite affinées par les chimistes médicinaux [104]. Bien que TEXTGRAD soit capable d'optimiser n'importe quelle molécule initiale, dans ce travail, afin de caractériser plus précisément ses performances et d'éviter de biaiser ses conceptions vers des médicaments existants, nous sélectionnons plutôt nos trois molécules initiales à partir de fragments simples de groupes fonctionnels courants, illustrés à la Figure 1. Ces fragments sont très diversifiés et appartiennent à différents groupes fonctionnels. Bien que ces fragments initiaux présentent des caractéristiques de ressemblance aux médicaments et d'affinité de liaison différentes, l'impact du fragment de départ sur les performances de TEXTGRAD est minimal, et TEXTGRAD est capable de générer des molécules présentant une forte ressemblance aux médicaments et une forte affinité de liaison à partir des trois fragments.