在先导化合物发现阶段，Y - Mol 模型在虚拟筛选中能快速扫描化合物库，准确预测化合物与特定靶点的结合亲和力，缩小实验筛选范围1。在药物设计方面，无论是单目标还是多目标优化实验，它都能生成合法有效的分子，展现出探索广阔化学空间的能力，有助于设计新颖且具良好活性的先导化合物2。
在临床前研究阶段，Y - Mol 模型在性质预测任务中，对化合物的多种物理化学性质和药代动力学性质预测准确，能为药物化学家优化化合物结构提供参考1。同时，在药物 - 药物相互作用预测上也有优异表现，可准确预测潜在的药物相互作用，避免药物联合使用时的不良事件1。
在临床预测阶段，Y - Mol 模型通过对生物医学知识的学习，可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指导，如帮助研究人员预判药物不良反应，优化使用剂量和方案1。
由于 Y - Mol 模型在各个阶段的任务中均取得了良好的实验结果，如在药物靶点相互作用预测、性质预测、药物设计以及药物相互作用预测等方面均优于基线方法 LLaMA2，所以很难确切地指出它在哪个阶段应用最多，其在药物研发的全流程中都发挥着重要作用，为药物研发提供了多方面的支持和帮助1。