La formation de modèles appris par la machine à l'aide des données de criblage de la bibliothèque chimique codée par l'ADN “DEL-ML” et l'utilisation de ces modèles pour classer les composés dans des catalogues virtuels ont été couronnées de succès pour l'identification de succès pour une série de cibles oncologiques individuelles, y compris ER alpha et c-KIT [McCloskey et al. 2020]. Nous décrivons ici l'importance de la qualité et de la diversité des bibliothèques, de la qualité des protéines, de la conception des cribles, du choix des profils appropriés, de la préparation et de l'évaluation des ensembles d'entraînement, du marquage de la promiscuité, des représentations chimiques, des algorithmes de modélisation et de leur mise au point dans le contexte d'une évaluation systématique basée sur les classes de cibles pour une série de cibles oncologiques, notamment DCAF1, WDR5 et WDR12. Cette approche a permis d'obtenir des ligands de type médicamenteux, premiers de leur classe, pour de multiples cibles qui ont été caractérisées à l'aide d'une série d'approches biophysiques, y compris la cristallographie aux rayons X.