Context-enriched molecule representations improve few-shot drug discovery
Johannes Kepler University(约翰内斯·开普勒大学);Merck Healthcare(默克医疗)
提出一种基于Modern Hopfield Network的少样本药物发现新方法,通过关联参考分子丰富分子表示,在FS-Mol基准上达到最先进水平。
2023-04-24 cs.LG q-bio.BM
Graph-structured Small Molecule Drug Discovery Through Deep Learning: Progress, Challenges, and Opportunities
School of Computer Science, Wuhan University(武汉大学计算机学院);Department of Computing, Macquarie University(麦考瑞大学计算机系)
本文系统综述图结构小分子药物发现的六大核心任务、代表性深度学习方法、常用数据集与发展趋势,并讨论可解释性、分布外泛化等挑战及未来方向。
2025-05-14 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
Deep Learning Methods for Small Molecule Drug Discovery: A Survey
Zhejiang University(浙江大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Hangzhou Dianzi University(杭州电子科技大学)
随着计算机辅助技术的发展,包括生物化学和深度学习在内的研究团体已经投入药物发现领域十多年。深度学习的各种应用在药物发现中引起了极大的关注,例如分子生成、分子性质预测、逆合成预测和反应预测。而大多数现有的调查只关注其中一个应用,限制了社区研究人员的视野。本文对上述四个方面进行了全面的综述,并讨论了不同应用之间的关系。最新的文献和经典的基准,以更好地了解各种方法的发展。我们首先总结了这些作品中的分子表示格式,然后介绍了最近提出的四项任务中的每一项的方法。此外,我们回顾了各种常用的数据集和评估指标,并比较了基于深度学习的模型的性能。最后,我们通过确定剩余的挑战并讨论药物发现中深度学习方法的未来趋势来总结。
2023-03-05 cs.LG q-bio.BM
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
Nonmyopic Multiclass Active Search with Diminishing Returns for Diverse Discovery
Washington University in St. Louis(圣路易斯华盛顿大学)
主动搜索是自适应实验设计中的一种设置,我们的目标是在预算约束下发现稀有、有价值的类的成员。在这个问题中,一个重要的考虑因素是发现的目标之间的多样性-在许多应用中,不同的发现提供了更多的洞察力,并且在下游任务中可能是优选的。然而,大多数现有的主动搜索策略要么假设所有目标属于一个共同的积极类,或鼓励通过简单的搜索多样性。我们提出了一种新的制定积极的搜索与多个目标类,其特征在于从一个灵活的家庭,其成员鼓励多样性通过收益递减机制的效用函数。然后,我们研究这个问题的贝叶斯透镜下,证明了一个硬度的结果,近似的最佳政策,任意积极的,增加的,凹效用函数。最后,我们设计了一个有效的,非近视近似的最佳政策,这类公用事业,并证明其优越的经验表现在各种设置,包括药物发现。
2023-02-17 cs.LG
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
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
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
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
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
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
ALF: An Active Learning Framework for Scientific Discovery
InstaDeep;University College London(伦敦大学学院);University of Oxford(牛津大学)
ALF是一个模块化的活动学习框架,通过五个组件统一离线基准测试与在线部署,在预算约束下高效获取高质量数据,推动科学发现。
2026-09-28 cs.LG
MassSpecGym in the Wild: Uncovering and Correcting Evaluation Pitfalls in AI-Driven Molecule Discovery
Massachusetts Institute of Technology(麻省理工学院);Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University in Prague(捷克信息学、机器人学与自动化捷克技术大学);Enveda Biosciences(Enveda 生物科技);Tufts University(塔夫茨大学)
本文系统审查了基于串联质谱的分子发现中机器学习模型的评估问题,以MassSpecGym基准为例,发现26篇论文中至少17篇存在数据泄露、捷径学习和实现错误三类问题,并通过实验量化影响,提出改进建议并发布MassSpecGym v1.5。
2026-10-30 cs.LG
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
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
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
Active Target Discovery under Uninformative Prior: The Power of Permanent and Transient Memory
Washington University in St. Louis, USA(华盛顿大学圣路易斯分校)
针对无信息先验下主动目标发现难题,提出受神经科学启发、具备永久与瞬时记忆的可解释框架,可单调改进先验估计,并在多领域显著优于基线。
2025-10-19 cs.LG
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
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
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
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
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
Machine learning for the prediction of safe and biologically active organophosphorus molecules
National Research Council of Canada (NRC)(加拿大国家研究委员会);Suffield Research Centre, Defence Research and Development Canada(加拿大国防研究与发展部萨菲尔德研究中心)
药物发现是一个复杂的过程,需要考虑大的分子空间。通过限制搜索空间,基于片段的药物设计是一种可以有效地对感兴趣的化学空间进行采样的方法。在这里,我们提出了一个框架的递归神经网络(RNN)与注意力模型采样的化学空间的有机磷分子使用片段为基础的方法。该框架使用ZINC数据集进行训练,该数据集针对高药物相似性得分进行筛选。目标是预测与有机磷农药或化学战剂具有相似生物作用模式但对人类毒性较小的分子。生成的分子含有PO2F的起始片段,但具有庞大的烃侧链,限制了其与靶蛋白的结合有效性。
2023-02-21 cs.LG q-bio.BM
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
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
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
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
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
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
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
Diameter-based Interactive Structure Discovery
Columbia University(哥伦比亚大学)
我们介绍了交互式结构发现,一个通用的框架,包括许多互动学习环境,包括主动学习,前k项识别,交互式药物发现,和其他。我们采用Tosh和Dasgupta(2017)最近开发的主动学习算法进行交互式结构发现,并表明新算法可以容忍噪声并具有良好的查询复杂度界限。
2020-03-12 cs.LG stat.ML
Active Symbolic Discovery of Ordinary Differential Equations via Phase Portrait Sketching
Purdue University(普渡大学);Cornell University(康奈尔大学)
针对轨迹数据中常微分方程符号发现依赖固定数据集及蝴蝶效应导致的数据存储难题,提出APPS方法,通过在相空间识别信息区域并批量采样初始条件,显著降低了数据维护成本并提高了发现准确率。
2025-02-03 cs.LG cs.SC
Active Slice Discovery in Large Language Models
University of Waterloo(多伦多大学);New York University(纽约大学)
本文提出主动切片发现方法,通过主动学习算法有效识别大语言模型中的错误切片,提升毒性分类的准确性。
2025-11-24 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
Assessing the Frontier: Active Learning, Model Accuracy, and Multi-objective Materials Discovery and Optimization
Stanford University(斯坦福大学);Citrine Informatics
发现新材料可以大大加快迭代机器学习-通知候选人的建议-主动学习。但是,模型质量的标准\emph{global-scope error}指标不能预测发现性能,并且可能会产生误导。我们引入了\emph{Pareto shell-scope error}的概念,以帮助判断提出材料候选模型的适用性。此外,通过合成的情况下,热电数据集,我们探讨采集功能保真度和主动学习性能之间的关系。结果表明,新的诊断工具,以及新的见解收购功能的设计。
2020-01-27 cs.LG stat.ME stat.ML
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
Low Data Drug Discovery with One-shot Learning
Massachusetts Institute of Technology(麻省理工学院);Stanford University(斯坦福大学)
机器学习的最新进展为药物发现做出了重大贡献。特别是深度神经网络已被证明在推断小分子化合物的性质和活性时提供显著的预测能力提升。然而,这些技术的适用性受到对大量训练数据的要求的限制。在这项工作中,我们展示了如何使用一次性学习来显着降低在药物发现应用中进行有意义的预测所需的数据量。我们引入了一种新的架构,即剩余LSTM嵌入,当与图卷积神经网络结合时,它可以显着提高在小分子上学习有意义的距离度量的能力。我们开源了这项工作中引入的所有模型,作为DeepChem的一部分,DeepChem是一个用于药物发现深度学习的开源框架。
2016-11-10 cs.LG stat.ML
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
Active Learning Guided Design Space Refinement for Scalable Multi-Objective Bayesian Optimization in Materials Discovery
National Centre for Scientific Research “Demokritos”(希腊国家科学研究中心“德谟克利特”)
本研究提出主动学习引导的自适应搜索空间优化框架,结合多目标贝叶斯优化,在两类材料优化任务中验证其可高效缩减候选空间并保留关键优化区域,提升大规模材料优化效率。
2026-08-06 cond-mat.mtrl-sci cs.LG
Active Causal Discovery Benchmark: Evaluating LLM Agents Under Budgeted Interventions
提出ACDB基准,评估LLM智能体在预算干预下恢复因果图的能力,发现PC算法优于LLM,且当前LLM未解决主动因果发现,结果作为审计与校准报告。
2026-09-29 cs.AI cs.LG
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
Efficient nonmyopic active search with applications in drug and materials discovery
WUSTL(华盛顿大学圣路易斯分校);Tepper School of Business, CMU(卡内基梅隆大学泰珀商学院)
主动搜索是一种学习范式,用于主动识别尽可能多的给定类的成员。一个关键的目标场景是科学发现的高通量筛选,如药物或材料发现。在本文中,我们接近这个问题的贝叶斯决策框架。本文首先推导了自然效用下的贝叶斯最优策略,建立了主动搜索的理论难度,证明了最优策略对于任何常数比率都是不可近似的。我们还首次研究了批处理设置,其中可以在每次迭代中查询一批$b>1$点。我们给出了一个渐近下界,线性批量大小,自适应差距:我们可能会失去多少,如果我们查询$b$点的时间$t$迭代,而不是一个点的时间$bt$迭代。然后,我们介绍了一种新的方法,承认有效的计算的最优策略的非近视近似。我们提出的策略可以自动权衡勘探和开采,而不依赖于任何调优参数。我们还将我们的策略推广到批量设置,并提出了两种方法来解决组合搜索的挑战。我们评估我们提出的政策上的药物发现和材料科学的大型数据库。结果表明,我们提出的政策在顺序和批量设置的优越性能,非近视的行为也说明了在各个方面。
2018-11-23 cs.LG stat.ML
Visualizing Deep Graph Generative Models for Drug Discovery
Cornell Tech(康奈尔科技学院);Weill Cornell Medicine(威尔康奈尔医学院)
药物发现旨在设计具有特定所需性质的新分子用于临床试验。在过去的几十年里,药物的发现和开发一直是一个昂贵和耗时的过程。在大化学数据和人工智能的驱动下,深度生成模型显示出加速药物发现过程的巨大潜力。现有的工作研究了不同的分子生成的深度生成框架,然而,很少关注的可视化工具,以快速演示和评估模型的结果。在这里,我们提出了一个可视化框架,它提供了交互式可视化工具来可视化在深度图生成模型的编码和解码过程中生成的分子,并提供实时的分子优化功能。我们的工作试图为黑盒AI驱动的药物发现模型提供一些视觉可解释性。
2020-07-20 cs.HC cs.LG stat.ML
DeepScaffold: a comprehensive tool for scaffold-based de novo drug discovery using deep learning
Peking University(北京大学);School of Pharmaceutical Sciences, Peking University(北京大学药学院)
药物设计的最终目标是寻找具有理想药理学性质的新型化合物。设计具有特定骨架结构的分子是获得具有理想性质的潜在药物候选物的有效途径之一。我们提出了一个基于支架的分子生成模型,用于基于支架的药物发现,该模型基于广泛的支架定义执行分子生成,包括BM-支架,环状骨架,以及具有侧链性质的支架。该模型可以概括在给定支架上添加原子和键的化学规则。此外,所产生的化合物进行了评估,通过分子对接在DRD 2的目标和结果表明,这种方法可以有效地应用于解决几个药物设计问题,包括产生的化合物含有一个给定的支架和从头药物设计的潜在药物候选人与特定的对接得分。最后,创建一个命令行界面。
2019-09-05 cs.LG q-bio.QM
Objective-Agnostic Enhancement of Molecule Properties via Multi-Stage VAE
Carnegie Mellon University(卡内基梅隆大学)
本文提出多阶段VAE方法用于药物发现,在不引入属性预测器的情况下显著改善了生成分子的属性统计,并在小规模数据集上提高了活性分子的生成数量。
2023-09-10 cs.LG q-bio.QM
Collaborative Intelligence in Sequential Experiments: A Human-in-the-Loop Framework for Drug Discovery
University of California Berkeley(加州大学伯克利分校);Shanghai Jiao Tong University(上海交通大学);University of Washington(华盛顿大学)
本文提出一种人在环序贯实验框架,将人类专家知识与深度学习算法结合用于药物发现,实验证明其优于纯人类或纯算法基线,并能显著加速新药和疫苗开发。
2024-05-07 cs.AI cs.HC cs.LG
Drug Discovery Approaches using Quantum Machine Learning
Penn State University(宾夕法尼亚州立大学);Penn State College of Medicine(宾夕法尼亚州立大学医学院)
传统的药物发现管道需要几年时间,花费数十亿美元。深度生成和预测模型被广泛用于协助药物开发。经典机器不能有效地产生量子计算机的非典型模式,这可能会提高学习任务的训练质量。我们提出了一套量子机器学习技术,生成对抗网络(GAN)、卷积神经网络(CNN)和变分自动编码器(VAE)来分别生成小药物分子、对蛋白质中的结合口袋进行分类以及生成大药物分子。
2021-04-01 cs.ET cs.LG quant-ph
A New Perspective on Pool-Based Active Classification and False-Discovery Control
Paul G. Allen School of Computer Science & Engineering(保罗·G·艾伦计算机科学与工程学院);University of Washington, Seattle, WA(华盛顿大学)
在许多科学环境中,需要自适应试验设计来指导识别搜索空间的区域的过程,这些区域包含尽可能多的真阳性,但错误发现(即错误警报)的比率很低。搜索空间的这些区域可能与最小化0/1误差的预测集有很大不同,并且准确识别可能需要非常不同的采样策略。像二进制分类的主动学习一样,这种试验设计不能先验地选择最佳,而是必须顺序地和自适应地获取数据。然而,与具有0/1错误的分类不同,自适应地收集数据以找到具有高真阳性率和低错误发现率(FDR)的集合还没有被很好地理解。在本文中,我们提供了第一个可证明的样本有效的自适应算法,这个问题。一路上,我们强调分类,组合土匪,和FDR控制之间的联系,使每个贡献。
2020-08-14 cs.LG stat.ML
Transmitter Discovery through Radio-Visual Probabilistic Active Sensing
University of Padova(帕多瓦大学)
多模态概率主动感知(MMPAS)利用传感器融合和概率模型来控制机器人感知平台的感知过程。MMPAS成功地应用于环境探索,协作移动机器人和目标跟踪,这得益于自主感知的高性能保证。在这方面,我们提出了一个双无线电可视PAS计划来解决发射机发现问题。具体来说,我们首先利用无线电和视觉测量之间的相关性,以自我监督的方式学习目标检测模型。然后,将该模型与天线辐射各向异性结合到控制平台的贝叶斯优化框架中。我们表明,该算法达到了92%的准确度,克服了其他两个概率主动传感基线。
2021-03-27 cs.LG cs.RO cs.SY
MGCVAE: Multi-objective Inverse Design via Molecular Graph Conditional Variational Autoencoder
Soongsil University(崇实大学)
各个领域的最终目标是直接生成具有所需性质的分子,如在药物开发中寻找水溶性分子,在新有机材料开发领域寻找适合有机发光二极管(OLED)或光敏剂的分子。在这方面,本研究提出了一个分子图生成模型的基础上的自动编码器的从头设计。通过与分子图变分自编码器(MGVAE)的比较,研究了分子图条件变分自编码器(MGCVAE)生成具有特定期望性质的分子的性能.此外,多目标优化MGCVAE适用于同时满足两个选定的属性。在这项研究中,两个物理性质- logP和摩尔的生物活性-被用作优化目标的目的从头设计的分子,特别是在药物发现。结果证实,在生成的分子中,MGCVAE中生成了25.89%的优化分子,而MGVAE中为0.66%。因此,它表明MGCVAE有效地产生具有两种靶向性质的药物样分子。这项研究的结果表明,这些基于图形的数据驱动模型是设计满足各种物理特性的新分子的有效方法之一,例如药物发现。
2022-02-14 cs.LG physics.chem-ph