条件化化学语言模型在药物发现中的多样化工具
机器学习
2025-07-15 v1 生物大分子
摘要
生成式化学语言模型(CLMs)在分子设计中展现出强大的能力，但其在药物发现中的影响仍受限于可靠奖励信号缺失以及输出可解释性不足。我们提出SAFE-T，一个通用的化学建模框架，通过对生物学背景(如蛋白靶点或作用机制)进行条件化来优先排序和设计分子，而无需依赖结构信息或人工设计评分函数。SAFE-T 模型化给定生物学提示下，基于片段的分子序列条件似然性，从而实现跨任务(如虚拟筛选、药物靶点相互作用预测和活性斜坡检测)的原则化评分。此外，它支持通过从该学习分布中抽样来实现目标导向的生成，将分子设计与生物学目标对齐。在对预测(LIT-PCBA、DAVIS、KIBA、ACNet)和生成(DRUG、PMO)基准的全面零样本评估中，SAFE-T 在速度上显著更快，同时在性能上持续达到或优于现有方法。片段水平的归因进一步表明，SAFE-T 捕捉了已知的结构-活性关系，支持可解释且生物学导向的设计。除了计算效率外，这些结果表明条件生成式 CLMs 可以统一评分和生成，以加速早期药物发现。
引用
@article{arxiv.2507.10273,
title = {Conditional Chemical Language Models are Versatile Tools in Drug Discovery},
author = {Lu Zhu and Emmanuel Noutahi},
journal= {arXiv preprint arXiv:2507.10273},
year = {2025}
}
备注
12 pages, extra 13 pages of appendix