基于生物化学背景的Assay2Mol药物设计
机器学习
2025-11-18 v2 人工智能
定量方法
摘要
科学数据库汇集了大量定量数据与描述性文本。 在生化学中，分子筛选 assay 检查候选分子对疾病靶点的功能性反应。描述靶点作用机制、实验筛选方案及其他属性的非结构化文本为药物发现提供了丰富信息，但由于其非结构化格式而未被充分利用。我们提出Assay2Mol，一种基于大型语言模型的工作流程，可利用现有的生化筛选 assay 为早期药物发现提供支持。Assay2Mol检索涉及类似新靶点的现有 assay 记录，并利用检索到的 assay 筛选数据通过原位学习生成候选分子。Assay2Mol在生成针对靶点蛋白结构的候选配体分子的最新机器学习方法方面取得了更好的性能，同时也促进了更可合成的分子生成。
引用
@article{arxiv.2507.12574,
title = {Assay2Mol: large language model-based drug design using BioAssay context},
author = {Yifan Deng and Spencer S. Ericksen and Anthony Gitter},
journal= {arXiv preprint arXiv:2507.12574},
year = {2025}
}
备注
26 pages, 10 figures