BSL：面向虚拟药物发现从设计到合成的统一通用多任务学习平台
机器学习
2025-08-05 v1 人工智能
摘要
药物发现对于维护人类健康、延长寿命以及应对重大疾病具有重要社会意义。近年来，人工智能凭借其高效的数据处理与数据表示能力，在生物信息学和药理学领域的关键任务中展现出显著优势。然而，现有大多数计算平台仅覆盖核心任务的子集，导致工作流程碎片化和效率低下。此外，它们常缺乏算法创新，对分布外 (OOD) 数据的泛化性差，这很大程度上阻碍了药物发现的进展。为此，我们提出了百神来 (BSL)，一个基于深度学习的、开放访问的虚拟药物发现平台。BSL 在统一且模块化的框架中集成了七个核心任务， Incorporates 了诸如生成模型和图神经网络等前沿技术。除在多个基准数据集上实现最先进 (SOTA) 性能外，该平台强调以 OOD 分子结构为评估目标的机制。与现有平台和基线方法的比较实验表明，BSL 提供了一个全面、可扩展且高效的虚拟药物发现解决方案，为实际药学研究提供了算法创新和高精度预测。此外，BSL 通过发现 NMDA 受体的 GluN1/GluN3A 调节剂，成功在体外电生理测定中鉴定出三个具有明确生物活性的化合物。这些结果凸显了 BSL 作为加速医学研究和药物发现的有前景且全面平台的潜力。平台可访问于 https://www.baishenglai.net。
引用
@article{arxiv.2508.01195,
title = {BSL: A Unified and Generalizable Multitask Learning Platform for Virtual Drug Discovery from Design to Synthesis},
author = {Kun Li and Zhennan Wu and Yida Xiong and Hongzhi Zhang and Longtao Hu and Zhonglie Liu and Junqi Zeng and Wenjie Wu and Mukun Chen and Jiameng Chen and Wenbin Hu},
journal= {arXiv preprint arXiv:2508.01195},
year = {2025}
}