Y-Mol 模型在药物研发中具有广泛的应用，以下是其在不同研发阶段的具体作用1：
-
先导化合物发现：
-
虚拟筛选：Y - Mol 模型基于对大量生物医学文献、知识图谱等多尺度数据的学习，能够理解药物分子与靶点之间的相互作用关系。在虚拟筛选中，它可以快速扫描庞大的化合物库，准确预测哪些化合物可能与特定靶点具有较高的结合亲和力，从而显著缩小实验筛选的范围，提高发现先导化合物的效率。例如，在对 DrugBank 和 DrugCentral 数据集的测试中，Y - Mol 在药物靶点相互作用预测方面的 AUC 分数相比 LLaMA2 有显著提升，在 DrugBank 上提高了 5.02%，在 DrugCentral 上提高了 4.13%，这表明其在虚拟筛选中能更精准地识别潜在的药物 - 靶点相互作用对。
-
药物设计：Y - Mol 能够根据给定的目标条件和描述性查询，从上下文信息中生成对应的 SMILES 序列分子。在单目标和多目标优化实验中，Y - Mol 展现出了强大的能力，不仅可以生成合法有效的分子，而且在同时优化多个属性时，多样性能维持在 0.9 以上，显示出其探索广阔化学空间的能力，有助于设计出具有新颖结构和良好活性的先导化合物。
-
临床前研究：
-
性质预测：药物的物理化学性质、药代动力学性质等对其成药性至关重要。Y - Mol 通过学习大量的分子属性数据和相关领域知识，能够准确预测化合物的多种性质，如 LogP、QED、SA、LogD7.4 值等。在与 LLaMA2 的对比实验中，Y - Mol 在所有任务上的 R² 分数均更优，证明其在预测化学和物理特性方面具有更强的泛化能力，能为药物化学家提供重要的参考信息，帮助他们优化化合物结构，提高药物的成药性。
-
药物 - 药物相互作用预测：在临床前研究中，预测药物之间的相互作用对于评估药物的安全性至关重要。Y - Mol 能够学习生物医学知识中的药物相互作用模式，准确预测潜在的药物 - 药物相互作用。例如，它成功预测了 Abametapir 会抑制代谢 Dronedarone 的靶点 CYP2C9，从而导致两者联用时 Dronedarone 血清浓度升高，这对于避免药物联合使用时的不良事件具有重要意义。
-
临床预测：Y - Mol 在临床预测阶段也发挥着重要作用。通过对生物医学知识的深入理解和学习，它可以对药物在临床应用中的潜在风险和疗效进行预测，为临床试验的设计和实施提供有价值的指导，例如帮助研究人员提前预判药物可能出现的不良反应，优化药物的使用剂量和方案，提高临床试验的成功率。