CombiMOTS：面向双靶点分子生成的组合多目标树搜索
机器学习
2026-04-28 v1 人工智能
摘要
双靶点分子生成旨在发现能够与两种靶点蛋白相互作用的化合物，因其潜在的提高疗效、安全性及抗药性缓解之益而受到广泛关注。现有方法面临两个关键挑战：其一，通过将复杂的双靶点优化问题简化为单个目标的标量化组合，无法捕捉目标亲和力与分子性质之间重要的权衡；其二，通常未将合成规划整合至生成过程中。这凸显了针对双靶点分子生成任务需要更合适的目标函数设计及合成感知方法。本文提出CombiMOTS，一种基于Pareto蒙特卡洛树搜索（PMCTS）的框架，用于生成双靶点分子。CombiMOTS旨在探索可合成的片段空间，采用向量化优化约束来封装靶点亲和力和物理化学性质。广泛的实验表明，CombiMOTS能够产生具有高Docking分数、增强多样性及平衡药理特征的新型双靶点分子，展示了其作为双靶点药物发现强大工具的潜力。代码与数据已发布于 https://github.com/Tibogoss/CombiMOTS。
引用
@article{arxiv.2604.23307,
title = {CombiMOTS: Combinatorial Multi-Objective Tree Search for Dual-Target Molecule Generation},
author = {Thibaud Southiratn and Bonil Koo and Yijingxiu Lu and Sun Kim},
journal= {arXiv preprint arXiv:2604.23307},
year = {2026}
}
备注
Accepted as a poster at ICML 2025 (Main Track)