缓解三维生成模型中的可合成性损失

人工智能能否设计出既真正新颖又切实可合成的分子？本博士项目将结合三维生成建模、结构信息学和化学洞察力，解决现代药物发现中的核心挑战，在人工智能、合成和自动化的交叉领域培养研究人员。

分子设计过程常受高成本和漫长开发周期的制约。三维感知生成模型的最新进展为加速新型分子发现提供了有希望的途径，但这些方法经常产生在实际中不可合成的化合物。本项目将系统研究三维分子新颖性如何影响可合成性，并开发缓解这一损失的方法。基于最先进的三维架构，研究将通过整合来自高质量信息学源（如剑桥结构数据库Cambridge Structural Database）的条件约束来量化可合成性差距。将开发多个层次的三维复杂性，例如整合来自Isostar、Superstar和热点势能等资源的相互作用场约束，以理解其对可合成性的影响。验证将通过针对特征明确的系统（如hERG和被忽视的热带病靶点）的案例研究来实现，确保产出与分子发现流程直接相关。该项目旨在弥合数字设计创新与实际合成之间的差距，解决人工智能驱动材料化学中的关键瓶颈。

本项目将由Anthony Bradley博士（化学系）、Gabriella Pizzuto博士（计算机科学与信息学系）、John Ward博士（化学系）、Ian Wall博士（葛兰素史克GlaxoSmithKline）和Bojana Popovic博士（剑桥晶体数据中心Cambridge Crystallographic Data Centre）共同指导。

该团队在这一领域处于世界领先地位，提供跨越化学自动化、药物发现、人工智能和机器人学的跨学科环境。Anthony Bradley是化学和计算机科学联合聘任的早期职业研究员，其研究专注于分子开发中的实验和计算自动化。他共同开发了首批三维感知生成深度模型，并设计了进入临床研究的分子。Gabriella Pizzuto是计算机科学和化学联合聘任的早期职业研究员，持有皇家工程院研究奖学金，是Royce研究所AIchemy和RAL项目的合作研究员和早期职业研究员委员会联合主席。她在机器人学习与控制交叉领域的研究曾在旗舰机器人会议上获得杰出论文提名。Ian Wall作为葛兰素史克计算机辅助分子设计负责人，在利用计算设计分子方面拥有数十年的专业知识。Bojana Popovic作为剑桥晶体数据中心发现科学负责人，在三维分子设计和功能方面贡献了深厚的知识。他们共同在方法创新和实际应用方面的优势和良好记录为项目提供了理想的指导环境。

该项目预计于2026年10月启动，由利物浦大学材料创新工厂Materials Innovation Factory的EPSRC数字与自动化材料化学博士培训中心提供，该工厂是英国物理科学领域最大的产学研合作基地。成功候选人将受益于机器人、数字、化学和物理思维方面的培训，并将这些应用于材料设计、发现和加工的特定领域研究。博士培训与35家工业合作伙伴共同开发，旨在培养能够跨领域交流的灵活、可就业、具有创业精神的研究人员。

我们强烈鼓励候选人在正式在线申请之前与指导团队联系，以更好地了解项目。关于项目的任何非正式咨询可发送至Anthony.Bradley@liverpool.ac.uk。

请仔细阅读我们关于“如何申请”的CDT指南，因为它可能与标准申请流程有所不同。您可能需要以下文件来完成在线申请：迄今为止的大学成绩单和学位证书、护照详情、英语语言证书（仅限国际申请人）、个人陈述、简历（CV）、两位拟议导师的联系方式、两位推荐人的姓名和联系方式。

最后，请注册并在线申请。提交申请后，您将收到电子邮件确认。我们将与您联系，告知后续详情。

请确保在申请时包含项目标题和参考编号CCPR180，并将学科领域标注为化学。我们将按滚动方式进行面试，并按先到先得的原则填补职位。一旦找到合适的候选人，我们将关闭申请（这可能早于截止日期），因此建议尽早申请。

我们希望所有教职员工和学生都能感受到利物浦是一个包容和欢迎的环境，积极庆祝和鼓励多样性。我们致力于与学生合作，进行所有合理的项目调整，包括支持那些有照顾责任、残疾或其他个人情况的人员。

EPSRC DAMC CDT奖学金将涵盖4年的全额本土学费和生活补助金，从UKRI最低标准开始（2026-27学年为21,805英镑）。奖学金还包括研究培训支持补助金，用于资助耗材、会议出席等。

奖学金向任何希望申请的潜在学生开放，包括本土和国际学生。虽然EPSRC资助不涵盖国际学生费用，但有限数量的奖学金将用于弥补费用差额，以支持优秀的国际学生。

如果您有残疾，您可能有资格在奖学金之外获得残疾学生津贴，以帮助支付攻读博士学位可能需要的任何额外支持费用。

参考文献： Imrie, F., Bradley, A.R., van der Schaar, M. and Deane, C.M. Deep Generative Models for 3D Linker Design. Journal of Chemical Information and Modeling 60(4), 1983–1995 (2020). 这是三维感知生成分子设计领域的基础性论文，与本项目的几何信息生成重点高度相关。发表链接：https://pubs.acs.org/doi/10.1021/acs.jcim.9b01120

Groom, C.R., Bruno, I.J., Lightfoot, M.P. and Ward, S.C. The Cambridge Structural Database. Acta Crystallographica Section B 72, 171–179 (2016). 这是剑桥结构数据库的核心参考文献，支撑着本项目的结构信息学和基于约束的研究方面。发表链接：https://journals.iucr.org/b/issues/2016/02/00/bm5086/

Radoux, C.J., Olsson, T.S.G., Pitt, W.R., Groom, C.R. and Blundell, T.L. Identifying Interactions that Determine Fragment Binding at Protein Hotspots. Journal of Medicinal Chemistry 59(9), 4314–4325 (2016). 这是基于热点的相互作用建模和三维相互作用偏好用于结构导向分子设计的重要参考文献。发表链接：https://pubs.acs.org/doi/10.1021/acs.jmedchem.5b01980