SYNCOGEN：机器学习新框架实现可合成三维分子生成

SYNCOGEN是由多所大学联合开发的一种机器学习框架，旨在通过同时建模反应路径和原子坐标，生成可合成的3D分子结构。在药物发现中，生成模型虽能扩展化学空间，但许多AI生成的分子难以在实验室中合成，限制了其实际应用。传统方法依赖2D分子图，缺乏决定分子生物行为的3D结构信息，而SYNCOGEN则解决了这一问题。 该框架基于SYNSPACE数据集训练，包含超过60万种可合成分子，每个分子由93种商业原料和19种可靠反应模板构建，并附有330万种能量最小化的3D构象。SYNCOGEN采用改进的SEMLAFLOW架构，结合掩码图扩散和坐标匹配技术，在生成过程中同时考虑化学结构和合成可行性，确保生成的分子既符合物理规律，又具备实际合成路径。 在性能测试中，SYNCOGEN在无条件3D分子生成任务中表现优于现有模型，尤其在分子片段连接和药物设计任务中，能生成易于合成的药物类似物，具备良好的对接评分和逆合成可追踪性。未来，SYNCOGEN有望用于条件生成、蛋白质结合口袋设计以及与实验室机器人结合，实现自动化分子合成与筛选。 业内人士表示，SYNCOGEN的出现标志着计算分子设计向实际应用迈出重要一步，为药物研发和材料科学提供了更高效、更实用的工具。该框架将生成模型与严格的合成约束结合，提升了AI在化学领域的落地能力。