扩散模型在药物发现前沿:小分子与治疗性肽的生成比较综述
机器学习
2025-11-27 v2 人工智能
生物大分子
定量方法
摘要
扩散模型已成为生成式建模的领先框架,已被预测将变革传统上缓慢且昂贵的药物发现过程。这一综述提供了系统比较,其在设计两种主要治疗模式:小分子和治疗性肽方面的应用。我们剖析了统一的迭代去噪框架如何适应这两种模态的分子表示、化学空间和设计目标。对于小分子,这些模型在基于结构的设计中卓越于生成具有所需物理化学性质的新型、适配口袋的配体,但面临确保化学可绕合性的关键障碍。相反,对于治疗性肽,重点转向生成功能序列和设计全新结构,其中主要挑战在于实现对蛋白酶降解的生物学稳定性、确保正确折叠并最小化免疫原性。尽管这两种领域都面临共同的挑战:高质量实验数据的稀缺、依赖不准确评分函数进行验证,以及对实验验证的重要需求。我们得出结论,扩散模型的全部潜力将通过填补这些模态特定的差距并将其集成到自动化、闭环的 Design-Build-Test-Learn(DBTL)平台中来实现,从而将范式从单纯的化学探索转向按需工程化新型治疗药物。
引用
@article{arxiv.2511.00209,
title = {Diffusion Models at the Drug Discovery Frontier: A Review on Generating Small Molecules versus Therapeutic Peptides},
author = {Yiquan Wang and Yahui Ma and Yuhan Chang and Jiayao Yan and Jialin Zhang and Minnuo Cai and Kai Wei},
journal= {arXiv preprint arXiv:2511.00209},
year = {2025}
}
备注
Published in Biology