Multi-view deep learning based molecule design and structural optimization accelerates the SARS-CoV-2 inhibitor discovery
School of Software, Shandong University(山东大学软件学院);Joint SDU-NTU Centre for Artificial Intelligence Research (C-FAIR), Shandong University(山东大学-南洋理工大学人工智能联合研究中心(C-FAIR));College of Intelligence and Computing, Tianjin University(天津大学智能与计算学部)
在这项工作中,我们提出了MEDICO,一个用于分子生成,结构优化和SARS-CoV-2抑制剂发现的多视图深度生成模型。据我们所知,MEDICO是第一个可以生成与目标分子结构相似的分子图的图形生成模型,具有多视图表示学习框架,可以从目标分子拓扑结构和几何结构中充分和自适应地学习全面的结构语义。我们表明,我们的MEDICO显着优于国家的最先进的方法,在基准比较下产生有效的,独特的,新颖的分子。特别是,我们展示了多视图深度学习模型,使我们不仅能够生成与目标分子结构相似的分子,而且还能够生成具有所需化学性质的分子,这表明我们的模型在深入探索化学空间方面具有强大的能力。此外,SARS-CoV-2主要蛋白酶(Mpro)靶向分子生成的案例研究结果表明,通过将分子对接作为化学先验整合到我们的模型中,我们成功地为Mpro生成了具有所需药物样特性的新小分子,可能加速Covid-19药物的从头设计。此外,我们将MEDICO应用于三种众所周知的Mpro抑制剂(N3,11 a和GC 376)的结构优化,并实现了它们与Mpro的结合亲和力的约88%的改善,证明了我们的模型在开发SARS-CoV-2感染的治疗药物方面的应用价值。
2022-12-03 cs.LG q-bio.BM
Energy-based Generative Models for Target-specific Drug Discovery
Pennsylvania State University(宾夕法尼亚州立大学)
药物靶点是药物发现的主要焦点,因为它们在疾病发病机制中起关键作用。由于生物分子数据集的可用性越来越高,计算方法被广泛应用于药物开发。流行的生成方法可以通过学习给定的分子分布来创建新的药物分子。然而,这些方法大多不用于靶向特异性药物发现。我们开发了一个基于能量的概率模型,用于计算靶向特异性药物发现。结果表明,我们提出的TagMol可以生成与真实分子具有相似结合亲和力分数的分子。相对于GCN基线模型,基于GAT的模型显示出更快和更好的学习。
2022-12-05 cs.LG
Materials Discovery with Extreme Properties via Reinforcement Learning-Guided Combinatorial Chemistry
School of Chemical and Biological Engineering, Seoul National University(首尔国立大学化学与生物工程学院)
本文提出强化学习引导的组合化学分子设计方法,通过策略选择分子片段实现外推式发现,在极端性质目标及蛋白质对接、HIV抑制剂应用中显著优于概率分布学习模型。
2024-05-07 cs.LG q-bio.BM
Learn molecular representations from large-scale unlabeled molecules for drug discovery
Tsinghua University(清华大学);Ping An Technology(平安科技);Beijing University of Chemical Technology(北京化工大学);Lanzhou University(兰州大学)
如何产生表达性的分子表征是AI驱动的药物发现中的一个根本挑战。图神经网络(GNN)已成为一种强大的分子数据建模技术。然而,以前的监督方法通常遭受的标记数据的稀缺性和泛化能力差。在这里,我们提出了一种新的基于分子预训练图的深度学习框架,称为MPG,它从大规模未标记分子中提取分子表示。在MPG中,我们提出了一个强大的MolGNet模型和一个有效的自监督策略,用于在节点和图级别预训练模型。在对1100万个未标记的分子进行预训练后,我们发现MolGNet可以捕获有价值的化学见解,以产生可解释的表示。预先训练好的MolGNet可以通过一个额外的输出层进行微调,为广泛的药物发现任务创建最先进的模型,包括分子特性预测,药物-药物相互作用和药物-靶标相互作用,涉及13个基准数据集。我们的工作表明,MPG有望成为药物发现管道中的一种新方法。
2020-12-21 cs.LG q-bio.BM q-bio.QM
AlphaFold Accelerates Artificial Intelligence Powered Drug Discovery: Efficient Discovery of a Novel Cyclin-dependent Kinase 20 (CDK20) Small Molecule Inhibitor
Insilico Medicine Shanghai Ltd(英矽智能上海有限公司);Insilico Medicine Kong Kong Ltd(英矽智能香港有限公司)
AlphaFold计算机程序预测了整个人类基因组的蛋白质结构,这被认为是人工智能(AI)应用和结构生物学的重大突破。尽管置信水平不同,这些预测的结构仍然可以显著地有助于新靶点的基于结构的药物设计,特别是那些没有或有限的结构信息的药物。在这项工作中,我们成功地将AlphaFold应用于由生物计算平台PandaOmics和生成化学平台Chemistry 42组成的端到端人工智能驱动的药物发现引擎中,以识别新型靶标的一流命中分子,而无需从靶标选择开始以成本和时间有效的方式进行命中识别的实验结构。PandaOmics提供了感兴趣的靶标,Chemistry 42基于AlphaFold预测的结构生成了分子,并合成了选定的分子并在生物测定中进行了测试。通过这种方法,我们在从靶标选择开始的30天内并且在仅合成7种化合物之后鉴定了针对CDK 20的小分子命中化合物,其Kd值为8.9 +/-1.6 uM(n = 4)。基于现有数据,进行了第二轮人工智能驱动的化合物生成,通过该化合物生成,在30天内以及在从第一次命中ISM 042 -2-001的发现合成6种化合物之后,发现了一种更有效的命中分子ISM 042 -2 048,其Kd值为210.0 +/- 42.4 nM(n = 2)。据我们所知,这是第一个报道的靶向CDK 20的小分子,更重要的是,这项工作是AlphaFold在早期药物发现的命中识别过程…
2022-02-13 cs.AI cs.LG q-bio.BM
Discovery under Hypothesis Redundancy: A Geometric Theory of Discovery Bottlenecks
School of Economics and Management, Tsinghua University(清华大学经济管理学院);Platform & Content Group, Tencent(腾讯平台与内容事业群)
提出搜索压缩假说,通过谱压缩、正交逃逸和残差信号对齐三个几何条件解释混合发现系统的优势,实验表明仅新颖性不足,需预测对齐。
2026-06-15 cs.AI cs.LG q-fin.PM
Information-Dense Synthesis for Molecular Discovery
Technical University of Denmark(丹麦技术大学)
提出一种基于算法控制随机合成和混合物测试的信息密集合成方法,将分子发现实验复杂度从线性降至对数或常数,在模拟中比贝叶斯优化少一个数量级实验。
2026-10-07 cs.LG physics.chem-ph q-bio.BM
WelQrate: Defining the Gold Standard in Small Molecule Drug Discovery Benchmarking
Vanderbilt University(范德堡大学);Amherst College(阿默斯特学院);University of Oregon(俄勒冈大学);MD Anderson Cancer Center(MD安德森癌症中心);Leipzig University(莱比锡大学)
针对深度学习驱动的药物发现中基准测试实践不足的问题,本文提出小分子药物发现基准测试黄金标准WelQrate,涵盖精心策划的9个数据集、标准化评估框架及多维度模型性能评估,推动领域创新转化。
2024-11-14 cs.AI cs.LG q-bio.BM
Machine Learning Small Molecule Properties in Drug Discovery
Acellera Labs(Acellera实验室);Computational Science Laboratory, Universitat Pompeu Fabra(庞培法布拉大学计算科学实验室);Institució Catalana de Recerca i Estudis Avançats (ICREA)(加泰罗尼亚研究与高级研究学院(ICREA));Acellera(Acellera公司);PRBB(庞培法布拉大学生物医学研究中心)
本文全面综述了药物发现中小分子性质预测的机器学习方法,梳理了相关性质、数据集与模型,分析了多性质优化挑战与模型可解释性技术,指出高质量数据和标准化基准对提升模型性能至关重要。
2023-08-02 cs.LG q-bio.BM q-bio.QM
Molecule Joint Auto-Encoding: Trajectory Pretraining with 2D and 3D Diffusion
Huawei Technologies Co., Ltd.(华为技术有限公司);Chinese Academy of Sciences(中国科学院);Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China(电子科技大学深圳高等研究院);Université de Montréal(蒙特利尔大学)
本文提出MoleculeJAE预训练方法,通过扩散模型联合建模分子2D拓扑与3D几何轨迹,以自监督学习化学结构表示,并在20项任务中15项达到SOTA。
2023-12-06 cs.AI cs.LG q-bio.BM
Accelerating Prototype-Based Drug Discovery using Conditional Diversity Networks
Technion - Israel Institute of Technology(以色列理工学院)
设计一种新药是一个漫长而昂贵的过程。由于潜在分子的空间非常大(10^23-10^60),药物发现过程中的一种常见技术是从已经具有某些所需性质的分子开始。一个跨学科的科学家团队生成关于原型所需更改的假设。在这项工作中,我们开发了一种算法无监督的方法,自动生成潜在的药物分子给定的原型药物。我们表明,该系统产生的分子是有效的分子和显着不同的原型药物。在该系统生成的化合物中,我们确定了35种FDA批准的药物。例如,我们的系统生成了异烟肼-结核病的主要药物之一。该系统目前正在与制药公司合作部署,以进一步分析额外产生的分子。
2018-04-08 cs.LG stat.ML
Optimizing Molecules using Efficient Queries from Property Evaluations
IBM Research(IBM研究院)
基于机器学习的方法已经显示出优化现有分子的潜力,使其具有更理想的性质,这是加速新化学发现的关键一步。在这里,我们提出了QMO,一个通用的基于查询的分子优化框架,利用潜在的嵌入从分子自动编码器。QMO基于高效查询,在一组分子性质预测和评估指标的指导下,改进了输入分子的期望性质。我们表明,QMO优于现有的方法,在基准任务的药物相似性和溶解度的相似性约束下,优化小有机分子。我们还证明了使用QMO在两个新的和具有挑战性的任务上的显着性能改进,这些任务在现实世界的发现问题中也很重要:(i)优化现有的潜在SARS-CoV-2主要蛋白酶抑制剂,使其具有更高的结合亲和力;(ii)改进已知的抗菌肽,使其具有更低的毒性。QMO的结果显示与外部验证的高度一致性,提出了有效的手段,以促进材料优化问题的设计约束。
2021-10-18 cs.LG q-bio.BM
Finite Resources False Discovery Rate Control in Structured Hypothesis Spaces
Technion – Israel Institute of Technology(技术学院 – 以色列理工学院);NVIDIA
针对有限空分布样本和结构化假设空间,提出基于再生核的框架,通过两种决策规则在精确FDR控制与统计功效间权衡,并优化资源分配。
2026-06-16 cs.LG stat.ME stat.ML
Generating Focussed Molecule Libraries for Drug Discovery with Recurrent Neural Networks
Westfälische Wilhelms-Universität(明斯特大学);AstraZeneca R&D Gothenburg(阿斯利康哥德堡研发中心);Shanghai University(上海大学)
在从头药物设计中,计算策略用于产生对所需生物靶标具有良好亲和力的新型分子。在这项工作中,我们表明,循环神经网络可以训练为分子结构的生成模型,类似于自然语言处理中的统计语言模型。我们证明,所产生的分子的性质与用于训练模型的分子的性质非常相关。为了用对给定生物靶标具有活性的分子来丰富文库,我们建议用已知对该靶标具有活性的小分子组来微调模型。针对金黄色葡萄球菌,该模型再现了药物化学家设计的6051个保持测试分子的14%,而针对恶性疟原虫(疟疾),它再现了1240个测试分子的28%。当与评分函数相结合时,我们的模型可以执行完整的从头药物设计周期,以生成用于药物发现的大量新分子。
2017-01-05 cs.AI cs.LG cs.NE
Computer-Aided Multi-Objective Optimization in Small Molecule Discovery
MIT(麻省理工学院)
本综述探讨小分子发现中的多目标优化,对比标量化与Pareto优化方法,并总结基于库和从头生成的算法,强调贝叶斯优化在多目标从头设计中的应用机遇。
2022-10-13 cs.LG q-bio.QM
A Survey of Large Language Models for Text-Guided Molecular Discovery: from Molecule Generation to Optimization
Northwestern University(西北大学);AbbVie(阿比维)
本综述系统梳理了大型语言模型在文本引导的分子生成与优化任务中的最新进展,提出分类体系并总结常用数据集与评估方法,展望未来挑战。
2025-05-22 cs.CL cs.LG
ChemoVerse: Manifold traversal of latent spaces for novel molecule discovery
Accenture Labs(埃森哲实验室);Swiss Federal Institute of Technology, Lausanne(洛桑联邦理工学院);Novartis(诺华)
为了设计更有效的化学实体,必须确定具有所需化学性质的分子结构。使用神经网络和机器学习的生成模型的最新进展正在被该领域的许多新兴创业公司和研究人员广泛用于设计药物样化合物的虚拟库。虽然这些模型可以帮助科学家快速产生新的分子结构,但挑战仍然存在于智能探索生成模型的潜在空间,从而减少生成过程中的随机性。在这项工作中,我们提出了一个流形遍历启发式搜索探索潜在的化学空间。可以并入不同的动力学和评分,例如Tanimoto系数、合成可及性、结合活性和QED药物相似性,以增加所产生的分子的所需分子性质的有效性和接近性。为了评估流形遍历探索,我们使用各种生成模型产生潜在的化学空间,例如语法变分自编码器(有和没有注意),因为它们处理化合物的随机生成和有效性。通过这种新的遍历方法,我们能够在潜在空间中找到更多未见过的化合物和更特定的区域。最后,这些组件被汇集在一个简单的平台上,允许用户执行搜索,可视化和选择新生成的化合物。
2020-09-29 cs.LG q-bio.BM
Causal Discovery over High-Dimensional Structured Hypothesis Spaces with Causal Graph Partitioning
University of Chicago(芝加哥大学)
本文提出一种基于超结构划分搜索空间的新颖因果图划分方法,实现分而治之的因果发现,在保证理论正确性的同时,大幅提升了高维变量(高达${10^4}$)下因果发现的求解效率。
2025-03-03 cs.DC cs.LG stat.ME
M$^{3}$-20M: A Large-Scale Multi-Modal Molecule Dataset for AI-driven Drug Design and Discovery
Tongji University(同济大学);Fudan University(复旦大学)
本文构建含2000余万分子、覆盖SMILES、图、三维结构、性质与文本的多模态数据集M³-20M,并通过分子生成和性质预测实验验证其可提升多种大模型性能。
2025-03-16 cs.AI cs.LG q-bio.QM
Symmetry-adapted generation of 3d point sets for the targeted discovery of molecules
Technische Universität Berlin(柏林工业大学)
深度学习已被证明可以快速准确地预测量子化学性质,以加速新分子和材料的发现。由于对广阔的化学空间进行详尽的探索仍然是不可行的,我们需要生成模型来指导我们对具有所需特性的系统的搜索。虽然以前已经提出了基于图的模型,但它们受到缺乏空间信息的限制,使得它们无法识别空间异构性和非键合相互作用。在这里,我们介绍了一个生成神经网络的三维点集,尊重目标结构的旋转不变性。我们将其应用到生成的分子,并证明其能力,以近似的平衡结构的分布,使用空间度量以及从化学信息学建立的措施。由于我们的模型能够捕获3D几何形状和电子特性之间的复杂关系,我们将生成器的分布偏向于具有小HOMO-LUMO间隙的分子-这是有机太阳能电池设计的重要特性。
2020-01-09 cs.LG physics.chem-ph physics.comp-ph
An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization
Horace Greeley High School(霍勒斯·格里利高中);IBM Research(IBM研究院)
分子优化是化学发现中的一个重要问题,并且已经使用许多技术来处理,包括生成建模、强化学习、遗传算法等等。最近的工作还应用了零阶(ZO)优化,这是无梯度优化的一个子集,它解决了与基于梯度的方法类似的问题,用于优化来自自动编码器的潜在向量表示。在本文中,我们研究了各种ZO优化方法优化分子目标的有效性,其特点是可变的光滑性,罕见的最优,和其他挑战。我们提供的见解,在这种设置的各种ZO优化器的鲁棒性,显示ZO符号为基础的梯度下降(ZO-signGD)的优势,讨论如何ZO优化可以实际用于现实的发现任务,并展示了潜在的有效性ZO优化方法广泛使用的基准任务从Guacpertino套件。代码可从以下网址获得:https://github.com/IBM/QMO-bench。
2022-10-27 cs.LG q-bio.BM
Towards Diverse Scientific Hypothesis Search with Large Language Models
University of California, Berkeley(加州大学伯克利分校)
针对科学假设搜索中多样性崩溃问题,提出基于并行回火的多温度进化框架,在固定验证预算下提升假设质量与多样性。
2026-06-09 cs.AI cs.LG
An Equivariant Generative Framework for Molecular Graph-Structure Co-Design
University of Science and Technology of China(中国科学技术大学);Tencent America(腾讯美国);Zhejiang University(浙江大学)
本文提出旋转-平移等变生成框架 MolCode,通过统一耦合二维拓扑与三维几何实现分子图和结构协同设计,并在从头设计、靶向发现及药物设计任务中取得优于既有方法的效果。
2023-04-12 cs.LG q-bio.BM
Clustering Bioactive Molecules in 3D Chemical Space with Unsupervised Deep Learning
National University of Singapore(新加坡国立大学);Tsinghua University(清华大学);Shenzhen Kivita Innovative Drug Discovery Institute(深圳科维塔创新药物发现研究院);Zhejiang University(浙江大学);China Pharmaceutical University(中国药科大学);Shanghai Kudai Network Technology Co., Ltd.(上海酷袋网络科技有限公司)
无监督聚类在数据分层、模式研究和超越现有知识的新发现等方面有着广泛的应用。特别地,生物活性分子的聚集促进了化学空间作图、结构-活性研究和药物发现。这些任务通常由基于相似性的方法进行,由于数据的复杂性和多样性而变得复杂。我们探索了深度自动编码器的卓越学习能力,用于将139万生物活性分子无监督聚类为三维潜在化学空间中的带簇。由空间导航模拟软件显示的这些带簇将选定的生物活性类的分子带成单独的带簇,这些带簇具有除了结构相似性之外的独特的共同子结构特征集。这些亚结构特征形成了文献报道的药效团和特权片段的框架。在每个带簇内,分子进一步结合到关于其生物活性靶标、子结构特征和分子支架的选定子区域中。我们的方法是潜在的适用于不同领域的大数据聚类任务。
2019-02-09 cs.LG q-bio.BM
GraphGANFed: A Federated Generative Framework for Graph-Structured Molecules Towards Efficient Drug Discovery
University of New Mexico(新墨西哥大学);Texas Tech University(得克萨斯理工大学);Amazon(亚马逊)
本文提出GraphGANFed框架,将图卷积神经网络、生成对抗网络与联邦学习相结合,在不共享本地分子数据集的前提下生成高新颖性和多样性的新分子,并通过仿真验证其可行性与有效性。
2023-04-11 cs.AI cs.LG
onepot CORE -- an enumerated chemical space to streamline drug discovery, enabled by automated small molecule synthesis and AI
Onepot AI, Inc.(Onepot AI公司)
onepot CORE通过自动化合成和AI设计,构建了一个包含34亿分子的枚举化学空间,加速药物发现过程。
2026-01-18 cs.LG physics.chem-ph
HypoChainer: A Collaborative System Combining LLMs and Knowledge Graphs for Hypothesis-Driven Scientific Discovery
ShanghaiTech University(上海科技大学);Shanghai Engineering Research Center of Intelligent Vision and Imaging(上海智能视觉与成像工程技术研究中心)
本文提出 HypoChainer 协作可视化框架,融合人类专家、LLM/RAG 推理与知识图谱,通过探索、假设链构建和证据优先级排序支持科学发现。
2025-07-23 cs.HC cs.LG
The Synthesizability of Molecules Proposed by Generative Models
MIT(麻省理工学院)
功能分子的发现是一个昂贵且耗时的过程,例如小分子治疗发现的成本不断上升。对于早期药物发现,一类越来越受关注的技术是从头分子生成和优化,这是由新的深度学习方法的发展所催化的。这些技术可以提出旨在最大化多目标函数的新分子结构,例如,适合作为针对特定靶点的治疗剂,而不依赖于对化学空间的蛮力探索。然而,这些方法的实用性受到了对可综合性的忽视的阻碍。为了突出这个问题的严重性,我们使用数据驱动的计算机辅助合成规划程序来量化由最先进的生成模型提出的分子不能容易合成的频率。我们的分析表明,有几个任务,这些模型产生不切实际的分子结构,尽管流行的定量基准表现良好。合成复杂性化学可以成功地将生成偏向于合成易处理的化学空间,尽管这样做必然会偏离主要目标。该分析表明,为了提高这些模型在实际发现工作流中的实用性,需要开发新的算法。
2020-02-17 cs.LG q-bio.QM stat.ML
MARS: Markov Molecular Sampling for Multi-objective Drug Discovery
ByteDance AI Lab(字节跳动AI实验室);University of Michigan(密歇根大学);Montréal Institute of Learning Algorithms(蒙特利尔学习算法研究所);Shanghai Jiao Tong University(上海交通大学)
寻找具有所需化学性质的新分子在药物发现中至关重要。现有的工作集中在开发神经模型来生成分子序列或化学图。然而,找到满足多种性质的新颖且多样的化合物仍然是一个巨大的挑战。在本文中,我们提出了MARS,多目标药物分子发现的方法。MARS基于通过迭代编辑分子图的片段来生成化学候选物的想法。为了寻找高质量的候选人,它采用马尔可夫链蒙特卡罗采样(MCMC)的分子与退火方案和自适应的建议。为了进一步提高采样效率,MARS使用图神经网络(GNN)来表示和选择候选编辑,其中GNN使用来自MCMC的样本进行实时训练。实验表明,MARS在考虑分子生物活性、药物相似性和可合成性的各种多目标环境中实现了最先进的性能。值得注意的是,在所有四个目标同时优化的最具挑战性的设置中,我们的方法在综合评估中显着优于以前的方法。该代码可在https://github.com/yutxie/mars上获得。
2021-03-18 cs.CE cs.LG q-bio.BM
TurboHopp: Accelerated Molecule Scaffold Hopping with Consistency Models
AIGEN Sciences(AIGEN科学公司);Cornell University(康奈尔大学);Korea University(高丽大学)
针对3D-SBDD生成模型处理速度慢的瓶颈,提出加速的口袋条件化3D骨架跃迁模型TurboHopp,结合一致性模型实现高达30倍推理加速与更优质量,并利用RLCM优化分子输出,广泛适用于药物发现场景。
2025-02-01 cs.AI cs.LG q-bio.BM
A Low-Cost Robot Science Kit for Education with Symbolic Regression for Hypothesis Discovery and Validation
University of Maryland, College Park(马里兰大学帕克分校);National Institute of Standards and Technology(美国国家标准与技术研究院)
下一代物理科学涉及机器人科学家-能够在闭环中进行实验设计,执行和分析的自主物理科学系统。这些系统已经在科学探索和发现方面取得了现实世界的成功,包括首次发现了一流的材料。为了构建和使用这些系统,下一代劳动力需要不同领域的专业知识,包括ML,控制系统,测量科学,材料合成,决策理论等。然而,教育滞后。教育工作者需要一个低成本、易于使用的平台来教授所需的技能。工业界也可以利用这样一个平台来开发和评估自主的物理科学方法。我们提出了科学教育的下一代,一个工具包,用于建立一个低成本的自主科学家。该工具包在马里兰大学的两门课程中使用,教授本科生和研究生自主的物理科学。我们讨论了它的使用过程中,其更大的能力,教自主模型探索,优化和确定的双重任务,自主实验“发现”的亨德森-哈塞尔巴赫方程的一个例子。
2022-06-13 cond-mat.mtrl-sci cs.LG cs.RO
Hit and Lead Discovery with Explorative RL and Fragment-based Molecule Generation
MIT(麻省理工学院);Onepredict(Onepredict公司);Galux inc.(Galux公司);AITRICS(AITRICS公司);KAIST(韩国科学技术院)
最近,利用强化学习(RL)来生成具有所需性质的分子已被强调为药物设计的有前途的策略。一个分子对接程序--一种估计蛋白质-小分子结合亲和力的物理模拟--可以成为RL的理想奖励评分函数,因为它是治疗潜力的直接代理。然而,这项任务仍面临两个迫在眉睫的挑战。首先,模型通常不能产生化学上真实的和药理学上可接受的分子。其次,对接分数优化是一个困难的探索问题,涉及许多局部最优解和相对于分子结构的不太光滑的表面。为了解决这些挑战,我们提出了一种新的RL框架,产生药理学上可接受的分子与大的对接得分。我们的方法-基于片段的生成RL与药物设计的探索性经验重放(FREED)-将生成的分子限制在一个现实和合格的化学空间中,并通过耦合我们基于片段的生成方法和新的错误优先经验重放(PER)来有效地探索寻找药物的空间。我们还表明,我们的模型表现良好的从头和脚手架为基础的计划。与现有方法相比,我们的模型产生更高质量的分子,同时在所产生分子的对接分数方面在三个目标中的两个上实现最先进的性能。我们进一步表明,与消融研究,我们的方法,预测误差PER(自由(PE)),显着提高了模型的性能。
2021-10-27 cs.AI cs.LG q-bio.QM
PGMG: A Pharmacophore-Guided Deep Learning Approach for Bioactive Molecular Generation
Central South University(中南大学);University of Helsinki(赫尔辛基大学)
在药物发现中,合理设计具有所需生物活性的新分子是一项关键但具有挑战性的任务,特别是当治疗新的靶家族或未充分研究的靶点时。在这里,我们提出了PGMG,这是一种用于生物活性分子生成的药效团引导的深度学习方法。通过药效团的指导,PGMG提供了一种灵活的策略,使用训练的变分自动编码器在各种情况下生成具有结构多样性的生物活性分子。我们表明,PGMG可以生成匹配给定药效团模型的分子,同时保持高水平的有效性,独特性和新颖性。在案例研究中,我们展示了PGMG在基于配体和基于结构的药物从头设计以及铅优化方案中产生生物活性分子的应用。总体而言,PGMG的灵活性和有效性使其成为加速药物发现过程的有用工具。
2022-07-02 cs.LG q-bio.BM q-bio.MN
Rhizome OS-1: Rhizome's Semi-Autonomous Operating System for Small Molecule Drug Discovery
Rhizome Research Inc.
Rhizome OS-1通过多模态AI代理实现小分子药物发现的半自动化,结合计算化学、医药化学和专利代理功能,生成新颖分子并评估专利自由度,利用图扩散模型生成化学物质。
2026-04-10 cs.AI cs.LG
Quantum Generative Models for Small Molecule Drug Discovery
Pennsylvania State University(宾夕法尼亚州立大学);IBM(国际商业机器公司)
现有的药物发现管道需要5-10年时间,耗资数十亿美元。计算方法旨在从称为化学空间的整个分子和固态化合物的区域中采样,该区域可以是1060的数量级。深度生成模型可以对药物的物理结构和性质的潜在概率分布进行建模,并将它们非线性地联系起来。通过利用大规模数据集中的模式,这些模型可以提取表征分子的显著特征。生成对抗网络(GANs)通过生成符合化学和物理特性的分子结构来发现候选药物,并显示出与靶向疾病受体结合的亲和力。然而,经典的GANs不能探索化学空间的某些区域,并遭受维度灾难。一个完整的量子GAN甚至可能需要超过90个量子位来生成类似QM 9的小分子。我们提出了一种量子比特有效的量子GAN与混合发生器(QGAN-HG),通过搜索指数大的化学空间,更有效地比经典的GAN更丰富的分子表示。QGANHG模型由一个支持不同数量量子比特和量子电路层的混合量子发生器和一个经典的量子发生器组成。QGAN-HG的参数保留率仅为14.93%,可以有效地学习分子分布。具有修补电路的QGAN-HG变体大大加速了我们的标准QGANHG训练过程,并避免了深度神经网络的潜在梯度消失问题。代码可以在GitHub https://github.com/jundeli/quantum-gan上找到。
2021-01-09 cs.ET cs.LG quant-ph
Implementation of The Future of Drug Discovery: QuantumBased Machine Learning Simulation (QMLS)
Basis International School Guangzhou(广州贝赛思国际学校)
本文提出QMLS框架,通过机器学习分子生成与变异结合量子模拟过滤,将药物研发周期缩短至3-6个月、成本降至5-8万美元,并产出临床前候选药物。
2024-09-05 cs.AI cs.LG q-bio.BM
Hypothesis-Driven Skill Discovery for Hierarchical Deep Reinforcement Learning
The University of Texas at Austin(得克萨斯大学奥斯汀分校)
深度强化学习(DRL)能够在各种复杂的高维任务(从视频游戏到机器人操作)上学习高性能策略。然而,标准的DRL方法经常遭受差的样本效率,部分原因是它们的目标是完全问题不可知的。在这项工作中,我们介绍了一种新的方法来探索和分层技能学习,从直观的假设,它使对象的行为在物理世界和模拟物理学的样本效率。具体来说,我们提出了假设建议和评估(HyPE)算法,该算法从原始像素数据中发现对象,生成关于观察到的对象状态变化的可控性的假设,并学习一系列技能来测试这些假设。我们证明,HyPE可以显着提高样本效率的策略学习在两个不同的领域:一个模拟的机器人块推域,和一个流行的基准任务:突破。在这些领域,HyPE学习高分策略的速度比几种最先进的强化学习方法快一个数量级。
2020-03-03 cs.AI cs.LG stat.ML
Improving Molecule Generation and Drug Discovery with a Knowledge-enhanced Generative Model
Institute of Cancer Research, Purdue University(普渡大学癌症研究所)
针对生成模型未充分利用生物医学知识图谱的问题,提出知识增强生成框架KARL,通过可扩展方法扩展知识图谱并结合扩散模型,在分子生成任务上性能超越现有最优模型。
2024-10-07 cs.LG q-bio.QM
Large Language Model Agent for Modular Task Execution in Drug Discovery
Department of Chemical Engineering, Carnegie Mellon University(化学工程系,卡内基梅隆大学);Department of Material Science and Engineering, Carnegie Mellon University(材料科学与工程系,卡内基梅隆大学);Department of Mechanical Engineering, Carnegie Mellon University(机械工程系,卡内基梅隆大学)
本文提出了一种基于大型语言模型的模块化框架,用于药物发现中的任务执行,通过自动化分子生成和属性预测提升药物筛选效率。
2025-12-12 cs.CL cs.LG q-bio.BM
Diffusion Models at the Drug Discovery Frontier: A Review on Generating Small Molecules versus Therapeutic Peptides
Xinjiang Key Laboratory of Biological Resources and Genetic Engineering(新疆生物资源与基因工程重点实验室);College of Life Science and Technology, Xinjiang University(新疆大学生命科学与技术学院);School of Mathematics and System Sciences, Xinjiang University(新疆大学数学与系统科学学院)
本文综述了扩散模型在生成小分子和治疗性肽中的应用,分析了各自挑战及共同问题,强调通过整合到自动化平台以提升药物发现效率。
2025-11-26 cs.AI cs.LG q-bio.BM
Deep Surrogate Docking: Accelerating Automated Drug Discovery with Graph Neural Networks
University of Michigan(密歇根大学);Argonne National Laboratory(阿贡国家实验室);University of Chicago(芝加哥大学)
筛选具有所需性质的分子的过程是从药物发现到材料设计等多种应用中的关键步骤。在药物发现过程中,蛋白质-配体对接或化学对接是一种标准的计算机模拟评分技术,用于评估分子与特定蛋白质靶标的结合亲和力。然而,最近,随着可用于测试的虚拟分子的数量迅速增长,这些经典的对接算法已经产生了显着的计算瓶颈。我们通过引入深度代理对接(DSD)来解决这个问题,DSD是一个应用基于深度学习的代理建模来大幅加速对接过程的框架。DSD可以被解释为几个早期的代理预过滤技术的形式主义,增加了新的指标和实际的培训实践。具体来说,我们表明,图神经网络(GNNs)可以作为快速和准确的估计经典的对接算法。此外,我们还介绍了FiLMv 2,这是一种新型的GNN架构,我们证明它优于现有的最先进的GNN架构,通过允许模型更有效地从数据中过滤掉不相关的信息,从而获得更准确和稳定的性能。通过大量的实验和分析,我们表明,DSD工作流结合FiLMv 2架构提供了一个9.496倍的加速在分子筛选与<3%的召回出错率的一个例子对接任务。我们的开源代码可以在https://github.com/ryienh/graph-dock上找到。
2022-11-04 cs.LG
PAPRIKA: Private Online False Discovery Rate Control
Georgia Institute of Technology(佐治亚理工学院);University of Waterloo(滑铁卢大学)
在假设检验中,当由于样本中的噪声而错误地拒绝假设时,会发生错误发现。当自适应地测试多个假设时,错误发现的概率随着执行更多的测试而增加。因此,错误发现率(FDR)控制的问题是找到一个程序,用于测试多个假设,考虑这种影响,在确定一组假设拒绝。目标是最小化错误发现的数量(或分数),同时保持高的真阳性率(即,正确的发现)。本文研究了样本差异隐私约束下多假设检验中的错误发现率控制问题。与以前在这个方向上的工作不同,我们专注于在线设置,这意味着必须在执行测试后立即做出关于每个假设的决定,而不是像离线设置那样等待所有测试的输出。我们提供了新的私人算法的基础上,国家的最先进的非私人在线FDR控制的结果。我们的算法对隐私和统计性能具有强有力的可证明保证,这些性能由FDR和功率来衡量。我们还提供了实验结果来证明我们的算法在各种数据环境中的有效性。
2020-10-21 cs.CR cs.DS cs.LG
A Sober Look at LLMs for Material Discovery: Are They Actually Good for Bayesian Optimization Over Molecules?
Vector Institute(矢量研究所);University of Toronto(多伦多大学);University of Waterloo(滑铁卢大学);University of British Columbia(不列颠哥伦比亚大学)
本研究冷静评估LLMs在分子贝叶斯优化中的实际效用,发现仅当LLMs经领域数据预训练或微调时,才能有效加速原则性BO过程。
2024-05-28 cs.LG
A deep-learning view of chemical space designed to facilitate drug discovery
D. E. Shaw Research(D.E.肖研究所);Columbia University(哥伦比亚大学)
药物发现项目需要设计、合成和测试的循环,这些循环产生一系列化学相关的小分子,这些小分子的特性,例如与给定靶蛋白的结合亲和力,逐渐适应特定的药物发现目标。使用深度学习技术可以增强在设计周期中使用人类直觉的典型实践,从而加快药物发现项目。在这里,我们介绍了DESMILES,一个深度神经网络模型,它在分子设计的机器学习方法中推进了最先进的技术水平。我们将DESMILES应用于先前发表的基准,该基准评估了修改输入分子以抑制多巴胺受体D2的方法的能力,与最先进的模型相比,DESMILES的失败率降低了77%。为了解释DESMILES磨练分子特性的能力,我们可视化了DESMILES网络的一层,并通过使用DESMILES定制D2基准测试中使用的相同分子以更有效地对接7种不同受体来进一步证明这种能力。
2020-02-07 cs.LG stat.ML
Otter-Knowledge: benchmarks of multimodal knowledge graph representation learning from different sources for drug discovery
IBM Research Europe(IBM欧洲研究院)
本研究提出整合多源多模态知识图谱到分子与蛋白质表示中,发布了含超3000万三元组的数据集及预训练模型,在TDC基准上实现了药物-靶点结合亲和力预测的最先进结果。
2023-10-19 cs.AI cs.LG q-bio.BM
Fréchet ChemNet Distance: A metric for generative models for molecules in drug discovery
Johannes Kepler University Linz(林茨约翰内斯·开普勒大学)
机器学习中成功的生成模型的新浪潮增加了对深度学习驱动的从头药物设计的兴趣。然而,评估这种生成模型的性能是非常困难的。通常用于评估这种生成模型的性能的参数是化学上有效的分子的百分比或在特定描述符方面与真实分子的相似性,例如分配系数(logP)或药物相似性。然而,方法比较是困难的,因为不一致的使用评估指标,多个指标的必要性,以及事实上,这些措施中的一些可以很容易地欺骗简单的基于规则的系统。我们提出了一种新的两组分子之间的距离度量,称为Fréchet ChemNet距离(FCD),可用作生成模型的评估指标。FCD类似于最近建立的用于比较图像生成方法的性能指标Fréchet Inception Distance(FID)。FID使用InceptionNet的一个隐藏层,而FCD使用称为ChemNet的深层神经网络的倒数第二层,该网络经过训练以预测药物活性。因此,FCD度量考虑了关于分子的化学和生物学相关信息,并且还通过生成的分子的分布来测量集合的多样性。FCD优于先前度量的优点在于,它可以检测所生成的分子是否a)多样并且具有与真实分子相似的b)化学和c)生物特性。我们还提供了一个易于使用的实现,只需要生成的分子的SMILES表示作为输入来计算FCD。可在以下网址获得实现:https://www.github.com/bioinf-jku/FCD
2018-08-01 cs.LG q-bio.QM stat.ML
Expert-Guided LLM Reasoning for Battery Discovery: From AI-Driven Hypothesis to Synthesis and Characterization
Université de Montréal(蒙特利尔大学);University of Oxford(牛津大学);University College London(伦敦大学学院);Mila - Québec AI Institute(魁北克人工智能研究所);CIFAR AI Chair(CIFAR人工智能 chair);University of Ottawa(渥太华大学);National Research Council Canada(加拿大国家研究理事会)
本文提出专家引导的智能体框架ChatBattery,将领域知识融入大语言模型推理,成功发现三种新型锂离子电池正极材料,容量较NMC811分别提升28.8%、25.2%和18.5%,展示了AI驱动材料发现全流程的可行性。
2025-07-21 cs.AI cs.LG
Deep2Lead: A distributed deep learning application for small molecule lead optimization
Georgia Institute of Technology(佐治亚理工学院)
先导化合物优化是药物发现的关键步骤,是产生有效和选择性化合物的关键步骤。从历史上看,计算机筛选和基于结构的小分子设计促进了这一过程。尽管最近深度学习在药物发现中的应用试验了其在计算机上应用铅优化步骤的可能性,但由于工具的可用性,缺乏现实世界的应用。在这里,我们开发了一个单一的用户界面应用程序,称为Deep2Lead。我们的基于网络的应用程序集成了VAE和DeepPurpose DTI,允许用户在没有编程经验的情况下快速执行电极导线优化任务。
2021-08-09 cs.LG q-bio.QM
ChemGAN challenge for drug discovery: can AI reproduce natural chemical diversity?
Startcrowd, Online AI Lab(Startcrowd 在线人工智能实验室)
产生具有所需化学性质的分子对于药物发现是重要的。使用生成神经网络是有前途的这项任务。然而,从视觉检查,它往往出现,生成的样本缺乏多样性。在本文中,我们量化了这种内部化学多样性,并提出了以下挑战:一个非平凡的人工智能模型能否为所需的分子再现自然的化学多样性?为了说明这个问题,我们考虑两个生成模型:强化学习模型和最近引入的ORGAN。两人都在这个挑战中失败了。我们希望这一挑战将刺激这一方向的研究。
2017-08-31 cs.AI cs.LG stat.ML
Leveraging Latent Evolutionary Optimization for Targeted Molecule Generation
Applied Research, Quantiphi(Quantiphi应用研究院)
提出LEOMol框架,结合进化算法与变分自编码器搜索潜在空间,高效生成满足特定性质的优化分子,在四个子任务中超越现有模型,并强调毒性评估的重要性。
2024-07-02 cs.LG cs.NE q-bio.BM
PyCC.id: A package for hypothesis-driven equation discovery with structural identifiability
Physics Institute of Rosario(罗萨里奥物理研究所)
提出PyCC库,通过特征曲线骨架和假设驱动方法解决数据驱动方程发现中的病态逆问题,支持多种方程发现范式并具有结构可辨识性。
2026-05-07 cs.LG eess.SP
LLM-AutoSciLab: Closed-Loop Scientific Discovery via Active Experimentation with LLMs
Virginia Tech(弗吉尼亚理工大学);Sandia National Laboratories(桑迪亚国家实验室)
提出LLM-AutoSciLab闭环框架,通过假设生成与实验选择迭代优化,在预算约束下实现主动数据采集,在三个基准上优于现有方法且样本效率提升2-5倍。
2026-05-21 cs.AI cs.LG
SMILES Transformer: Pre-trained Molecular Fingerprint for Low Data Drug Discovery
University of Tokyo(东京大学);International Research Center for Neurointelligence(国际神经智能研究中心);RIKEN Center for Biosystems Dynamics Research(理化学研究所生物系统动力学研究中心)
在药物发现相关的任务中,如虚拟筛选,机器学习正在成为预测分子特性的一种有前途的方法。传统上,分子指纹(分子的数字表示)是通过基于规则的算法计算的,该算法将分子映射到稀疏的离散空间。然而,这些算法对于浅预测模型或小数据集表现不佳。为了解决这个问题,我们提出了SMILES Transformer。受Transformer和来自自然语言处理的预训练语言模型的启发,SMILES Transformer通过使用SMILES(一种分子文本表示系统)的庞大语料库对序列到序列语言模型进行无监督预训练来学习分子指纹。我们对现有的指纹和基于图的方法在10个数据集上进行了基准测试,并证明了所提出的算法在小数据环境中的优越性,其中预训练有助于良好的泛化。此外,我们定义了一个新的指标,同时衡量模型的准确性和数据效率。
2019-11-12 cs.LG stat.ML
Accelerating Inhibitor Discovery With A Deep Generative Foundation Model: Validation for SARS-CoV-2 Drug Targets
IBM Research(IBM研究院);Diamond Light Source Ltd.(钻石光源有限公司);Research Complex at Harwell(哈威尔研究综合体);University of Oxford(牛津大学)
针对新兴药物靶蛋白的新型抑制剂分子的发现被广泛认为是一个具有挑战性的逆向设计问题:对巨大的化学搜索空间进行详尽的探索是不切实际的,特别是当靶结构或活性分子未知时。在这里,我们通过实验验证了一个深度生成框架的广泛实用性,该框架在蛋白质序列、小分子及其相互作用上进行了大规模训练,对任何特定目标都是无偏见的。作为示范,我们考虑两个不同的和相关的SARS-CoV-2的目标:主要蛋白酶和刺突蛋白(受体结合域,RBD)。为了进行新型抑制剂分子的靶感知设计,对生成基础模型进行蛋白质序列条件采样。尽管仅使用靶序列信息,并且不进行生成模型的任何靶特异性适应,但在体外实验中对于每个靶合成的仅四个候选物中的两个观察到微摩尔水平的抑制。在活病毒中和试验中,最有效的加标RBD抑制剂也表现出对几种变体的活性。因此,这些结果确立了用于加速命中发现的单个可广泛部署的生成基础模型是有效且高效的,即使在目标结构和绑定器信息都不可用的最一般情况下也是如此。
2022-10-14 cs.LG q-bio.BM q-bio.QM