FlexiFlow：用于灵活分子集合生成的可分解流匹配

在药物发现中，采样包含其最佳构象的三维分子结构是关键挑战。当前的国家级 3D de-novo 设计 flow matching 或扩散-based 模型局限于生成单个构象。然而，分子的构象景观决定了其可观测属性以及其紧密结合到给定蛋白靶点的能力。通过生成代表性的低能构象集合，我们可以更直接地评估这些属性，并 potentially 改进生成具有所需热力学可观测性的分子的能力。为了实现这一目标，我们提出 FlexiFlow，一种 novel architecture 扩展 flow-matching 模型，允许在保持 equivariance 和 permutation invariance 的同时，对分子及其多个构象进行联合采样。我们在 QM9 和 GEOM Drugs 数据集上展示了该方法的有效性，在分子生成任务中实现了国家级成果。我们的结果表明，FlexiFlow 能够以与训练数据分布高度一致的质量生成有效的、未受应力的、唯一的和新颖的分子，同时捕获分子的构象多样性。此外，我们表明我们的模型可以在更短的推理时间下，生成与国家级 physics-based 方法相当的构象集合覆盖。最后，FlexiFlow 可以成功地移植到 protein-conditioned ligand generation 任务中，即使数据集仅包含静态口袋而不包含伴随构象。