Medicinal chemistry research : an international journal for rapid communications on design and mechanisms of action of biologically active agents 2026年9月17日这篇综述系统梳理了人工智能与机器学习在先导化合物优化中的应用现状，涵盖图神经网络、Transformer架构、扩散模型与化学基础模型在分子设计与性质预测方面的进展，并讨论了以数据为中心的人工智能、不确定性量化、可信人工智能、人工智能优化悖论以及从分子预测转向科学决策等新兴概念，指出尽管工业界采用日益增加，人工智能仍依赖高质量实验数据、模型泛化能力与严格实验验证，未来进展更多取决于能在迭代式先导优化工作流中改善科学决策的可信人工智能系统，而非日益复杂的算法。这篇综述系统梳理了人工智能与机器学习在先导化合物优化中的应用现状，涵盖图神经网络、Transformer架构、扩散模型与化学基础模型在分子设计与性质预测方面的进展，并讨论了以数据为中心的人工智能、不确定性量化、可信人工智能、人工智能优化悖论以及从分子预测转向科学决策等新兴概念，指出尽管工业界采用日益增加，人工智能仍依赖高质量实验数据、模型泛化能力与严格实验验证，未来进展更多取决于能在迭代式先导优化工作流中改善科学决策的可信人工智能系统，而非日益复杂的算法。人工智能辅助药物发现中的先导化合物优化：连接计算进展与转化挑战这篇综述系统梳理了人工智能与机器学习在先导化合物优化中的应用现状，涵盖图神经网络、Transformer架构、扩散模型与化学基础模型在分子设计与性质预测方面的进展，并讨论了以数据为中心的人工智能、不确定性量化、可信人工智能、人工智能优化悖论以及从分子预测转向科学决策等新兴概念，指出尽管工业界采用日益增加，人工智能仍依赖高质量实验数据、模型泛化能力与严格实验验证，未来进展更多取决于能在迭代式先导优化工作流中改善科学决策的可信人工智能系统，而非日益复杂的算法。这篇综述系统梳理了人工智能与机器学习在先导化合物优化中的应用现状，涵盖图神经网络、Transformer架构、扩散模型与化学基础模型在分子设计与性质预测方面的进展，并讨论了以数据为中心的人工智能、不确定性量化、可信人工智能、人工智能优化悖论以及从分子预测转向科学决策等新兴概念，指出尽管工业界采用日益增加，人工智能仍依赖高质量实验数据、模型泛化能力与严格实验验证，未来进展更多取决于能在迭代式先导优化工作流中改善科学决策的可信人工智能系统，而非日益复杂的算法。