不要重新训练，只是重用：从单目标扩散模型中恢复双靶标分子
机器学习
2026-05-26 v1 人工智能
摘要
设计一个调控两个靶标的单一分子是一种有前景的策略，但其在标准单靶标生成方面仍显得相当困难，因为一个候选分子必须同时满足两个结合要求，同时保持药物亲和力和可合成性。现有的双靶标生成方法通常通过重新训练生成器或在采样过程中干扰扩散过程来引入双靶标能力。前者在双靶标监督稀疏时可能昂贵且难以稳定，而后者可能对 denoising-time 目标平衡和竞争更新方向敏感。这些限制促使我们提出一种保持预训练先验完整的生成器保存替代方案：双靶标候选分子能否从冻结的单目标扩散模型的输入空间中恢复，而无需修改其参数或去噪动力学？我们将此任务形式化为受约束的多目标优化问题，提出 REUSE，一种基于层次化进化输入空间搜索框架，结合对偶条件探索和结构化多阶段选择，以强制执行双靶标亲和力、化学质量和多样性。实验表明，与修改扩散过程的方法相比，REUSE 在双靶标亲和力和平衡方面始终具有优势，相对于最强的先验基线实现了 20.9 个百分点的 Dual High Affinity 提升，同时保持竞争的分子质量。
引用
@article{arxiv.2605.25681,
title = {Don't Retrain, Just Reuse: Recovering Dual-Target Molecules from Single-Target Diffusion Models},
author = {Qingyuan Zeng and Pengxiang Cai and Zixin Guan and Ziyang Chen and Anglin Liu and Lang Qin and Xinyao Lai and Jintai Chen},
journal= {arXiv preprint arXiv:2605.25681},
year = {2026}
}