基于 DRUG-GAN 的全谱生成式先导化合物发现流程 FSGLD：面向类药性与靶点特异性化合物库的多尺度生成方法

FSGLD 是一套深度学习驱动的先导化合物发现流程，将多尺度 DRUG-GAN 生成模型与分子对接、分子动力学模拟、配体-残基相互作用谱、MM-PBSA、热力学积分（TI）及实验验证整合在一起。该流程覆盖三种生成场景：随机类药化合物、靶点特异性化合物，以及共享化学骨架的靶点特异性化合物系列。在三个药理性质不同的靶点类别上，FSGLD 在识别靶点特异性候选化合物方面表现良好。研究还建立了 TI 计算方案，在保持精度的同时将计算时间缩短 80% 至 90%。通过把生成模型与计算及体外评价结合，该流程降低了发现此前未被表征但可行的先导化合物的成本。