研究团队使用专家知识改善的人工智能逆向合成方法针对6种潜在的抗新冠药物（图1）的合成路线进行了设计，以便找到低成本大规模生产的简单路线。

图1潜在的抗新冠药物

设计出的新合成路线中，法匹拉韦（Favipiravir）的步骤仅为3步，而它已有的合成路线为5步；Molnupiravir的新路线的步骤为2步，已有路线为2步；Sabizabulin的新路线的步骤为4步，已有路线为5步；Fluvoxamine的新路线的步骤为2步，已有路线为3步；Chlorpromazine的新路线的步骤为1步，已有路线为1步；Ritonavir的新路线的步骤为2，已有路线为3步。除了Molnupiravir和Chlorpromazine的已有路线已经很少以外，其他复杂药物分子的新合成路线的步骤均减少了1-2步。为验证新合成路线的合理性，以法匹拉韦为例进行了实验合成验证，经过实验证实了设计的新合成路线有效，且成本相比已有路线便宜了近44倍。

综上，研究团队对人工智能辅助逆向合成方法引入专家知识，改善了包含稀有反应的合成路线的预测。并用专家知识改善的人工智能逆向合成方法设计了6种潜在抗新冠药物的合成路线，通过实验证实了法匹拉韦的合成。相关成果以“Optimized synthesis of anti-COVID-19 drugs aided by retrosynthesis software”为题，发表在RSC Medicinal Chemistry期刊，并被选为封面文章（FrontCover）。山东大学前沿交叉科学青岛研究院硕士研究生戚文涛和翟冬助理研究员为该论文的共同第一作者，邓伟侨教授和苏州大学李有勇教授为通讯作者，山东大学为第一完成单位。相关研究得到了国家重点研发计划，国家自然基金委，山东省自然基金等项目的支持。

图2相关发表论文的RSCMedicinalChemistry封面

原文链接：https://doi.org/10.1039/D2MD00444E