REINVENT4

用强化学习自动生成并优化候选药物分子

REINVENT4 是阿斯利康开源的新一代分子生成与优化工具，用于药物发现中的从头设计、骨架跃迁、R 基团替换、连接子设计和分子优化。它把强化学习、迁移学习和多种生成模型（RNN、Transformer 等）统一到一个模块化框架里，用户可通过配置文件组合采样、评分、过滤和优化策略，在化学空间中有方向地搜索满足多目标约束的新分子。相比早期 REINVENT 版本，4.x 重写了架构，支持多目标打分、课程学习、分子对接与 QSAR 模型接入，并可与 RDKit 等化学信息学工具链配合。它解决的核心问题是：让药物化学家不必手工枚举分子，而是用生成模型加奖励函数自动探索专利空间之外的结构，加速先导化合物发现与优化。项目由药企实际研发流程沉淀而来，工程完整度较高。

开源 free 行业应用

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 874

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类行业应用

开发团队MolecularAI

所属国家

官网地址

GitHubhttps://github.com/MolecularAI/REINVENT4

定价模式free

价格说明开源免费，Apache 2.0许可证

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai,astrazeneca,cheminformatics,chemistry,deep-learning,denovo-design,drug-design,drug-discovery,generative-ai,ml,molecule-generation,neural-networks,reinforcement-learning,transfer-learning

GitHub 星标★ 874

30天Star增速

HF 下载量

上线时间2023-10-20 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-08

浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

核心亮点

由阿斯利康实际药物研发流程沉淀，支持从头设计、骨架跃迁、R 基团替换、连接子设计等多种任务
模块化配置驱动，可组合采样、评分、过滤与多目标优化，并接入对接和 QSAR 打分模型
基于 PyTorch 重写，支持 RNN、Transformer 等生成模型与迁移学习、课程学习策略

不足之处

学习曲线较陡，配置文件与多组件参数较多，新手需要较长时间理解
生成质量高度依赖打分函数和训练数据，缺少高质量奖励模型时效果有限
文档与示例虽在完善，但相比通用深度学习框架社区规模仍小

适用场景

药企或科研团队进行先导化合物从头设计与专利空间探索
对已有活性分子做骨架跃迁或 R 基团替换以改善成药性
多目标分子优化，如同时兼顾活性、选择性与 ADMET 性质

替代项目

REINVENT（3.x 旧版）、ChemTS、MolDQN

项目介绍

REINVENT4 是行业应用领域的开源项目，由 MolecularAI 开发，2023 年首次发布。

在全站 13,916 个收录项目中，它的 GitHub 星标数（874）位列前 30%，在行业应用分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-10-05。开源免费，Apache 2.0许可证。

它主要面向的使用场景是：药企或科研团队进行先导化合物从头设计与专利空间探索。同类可对比的替代方案包括 REINVENT（3.x 旧版）、ChemTS、MolDQN。

上一篇：papers-for-molecular-design-using-DL

下一篇：3.0-Financial-Ai-Systems