Science子刊：AI与化学家双轨优化策略发现酪氨酸酶抑制剂候选分子
AI生成初始分子后，化学家与AI各自优化同一候选，发现AI能探索更广化学空间，最终得到高效低毒的TYR抑制剂候选物。
针对黑色素沉着障碍的药物开发，杭州师范大学团队在《Science Advances》发文，提出强化学习（RL）生成新分子并进行双轨优化：一边由化学家经验改造，一边由AI继续搜索。最终筛选出的AI10-m15在酶、细胞和动物层级都表现出强效抑制酪氨酸酶（TYR，与色素生成相关）活性，且无细胞毒性。
正文摘录
.23.46.png) 编辑丨& 药物开发向来是一个复杂且成本巨大的任务，对于那些围绕黑色素沉着障碍的研究也是如此。长期以来，研究团队所面临的难题不单是活性是否得到抑制，可开发性、安全性，这些也是团队必须要考虑的东西。 这也是 TYR （酪氨酸酶）抑制剂一直很难被真正做成成熟候选的原因之一：很多分子在酶上看起来有效，但在细胞里就开始掉队，在更接近生理环境的系统里则更容易暴露出稳定性、毒性或选择性问题。 来自杭州师范大学等的团队从此问题切入，并于 2026 年 6 月 19 日在《Science Advances》发布了文章「Discovery of TYR inhibitors from de novo molecular generation to dual-track lead optimization: "Competition" between AI and chemists」，提出了人工智能（AI）导向的新分子生成与双轨导向优化的方法，可显著加速可行候选化合物的发现。