SABLE（Synthetically-accessible Agentic Bayesian Ligand Exploration）是一个开源框架，采用自然语言编排来指导化学结构优化。它使用大语言模型（LLM）来解释用户定义的目标和路由任务，同时使用专门的工具进行反应模板化的类似物枚举、理化和ADMET性质预测、基于结构的亲和力评分以及贝叶斯优化。结果工作流程是设计-制造-测试-分析周期的分析和优先级阶段的计算孪生体，为每个数字输出提供来源。 在单目标和多目标优化研究中，SABLE丰富了候选集，以满足用户定义的计算目标，同时仅评估枚举搜索空间的一个子集。其模块化架构允许通过编辑简单的配置文件替换工具和特征后端，而无需修改操作逻辑。 SABLE提供了一个可扩展的决策支持框架，用于优先考虑早期药物发现中合成约束的类似物。 博主点评： SABLE框架通过采用模块化和可扩展的设计，提供了一个高效的解决方案，用于优化化合物的设计和发现，具有广阔的应用前景和发展潜力，