FLOWR：面向结构感知的 de novo、相互作用和片段基 ligands 生成的流匹配
定量方法
2025-05-14 v2 机器学习
生物大分子
摘要
我们介绍FLOWR，这是一个新的结构驱动框架，用于生成和优化三维配体。FLOWR将连续和分类流匹配与等变最优传输相结合，增强了高效的蛋白口袋条件。我们随后介绍SPINDR，这是一个全面筛选的数据集，包含特定为解决现有数据质量问题而设计的配体-口袋共晶复合物。经验评估表明，FLOWR在PoseBusters-validity、姿态精度和相互作用恢复方面超越当前的基于扩散和基于流的方法，同时实现了显著的推理加速，最高可达70倍。此外，我们引入FLOWR:multi，这是一个高度精确的多功能模型，允许针对预定义的相互作用轮廓和化学亚结构进行针对性采样，用于片段基设计，无需重新训练或任何重新采样策略。
关键词
引用
@article{arxiv.2504.10564,
title = {FLOWR: Flow Matching for Structure-Aware De Novo, Interaction- and Fragment-Based Ligand Generation},
author = {Julian Cremer and Ross Irwin and Alessandro Tibo and Jon Paul Janet and Simon Olsson and Djork-Arné Clevert},
journal= {arXiv preprint arXiv:2504.10564},
year = {2025}
}