在Cremer-Pople坐标中使用流匹配生成环状构象
机器学习
2026-01-21 v1 化学物理
摘要
环状分子在化学和生物学的应用中无处不在。它们受限的构象灵活性提供了结构预组织,这是其在药物发现和催化中功能的关键。然而,可靠地采样环系统的构象系综仍然具有挑战性。在这里,我们介绍了PuckerFlow,一个生成式机器学习模型,它在Cremer-Pople空间(一个捕获环相关自由度的低维内坐标系统)上执行流匹配。我们的方法能够通过设计生成有效的闭合环,并在生成既多样又精确的构象方面表现出强大的性能。我们表明,PuckerFlow在几乎所有定量指标上都优于其他构象生成方法,并展示了PuckerFlow在与化学应用(特别是在催化和药物发现中)相关的环系统上的潜力。这项工作实现了环状结构高效可靠的构象生成,为在化学和生物学的广泛应用中建模结构-性质关系和性质引导的环生成铺平了道路。
引用
@article{arxiv.2601.12859,
title = {Generating Cyclic Conformers with Flow Matching in Cremer-Pople Coordinates},
author = {Luca Schaufelberger and Aline Hartgers and Kjell Jorner},
journal= {arXiv preprint arXiv:2601.12859},
year = {2026}
}