用 ChEMBL、RDKit、SHAP 與 BRICS 打造骨架分割隨機森林 QSAR 共科學家以發現 EGFR 抑制劑

Decision Brief

變化一篇教學文章示範如何建立自主 AI 共科學家，用於發現 EGFR C797S 抑制劑。

為什麼重要對藥物發現開發者而言，這展示了完整的自主 AI 協同工作流程：從資料清理到模型訓練、特徵解釋與分子生成排名。

誰該關注所有 AI builder

受影響技術棧未識別出特定技術棧

來源可信度中 · 可靠媒體或一手報導

該教學使用 ChEMBL 和 UniProt 解析 EGFR C797S 靶點，從 IC50 記錄中挖掘並清理出 pIC50 資料集。接著用 RDKit 標準化分子、計算 Morgan 指紋，訓練一個骨架分割的隨機森林 QSAR 模型。透過 SHAP 解釋效力驅動因素，最後用 BRICS 片段重新組合生成並排名新候選分子。對於從事電腦輔助藥物設計的研究人員或藥廠 AI 團隊，這提供了一個端到端、可復現的開源方案，能自動化目標解析、資料處理、模型訓練與候選分子生成與排序。

摘要依據：官方/RSS 來源詳摘依據上方標註的來源範圍整理，內容以原文為準。

來源

MarkTechPost
Fast research-paper and ML tooling summaries, useful for infra and agent updates.
MarkTechPost

用 ChEMBL、RDKit、SHAP 與 BRICS 打造骨架分割隨機森林 QSAR 共科學家以發現 EGFR 抑制劑

Decision Brief

來源

相關情報

用 ChEMBL、RDKit、SHAP 與 BRICS 打造骨架分割隨機森林 QSAR 共科學家以發現 EGFR 抑制劑

Decision Brief

來源

相關情報