用于可控多属性多目标分子优化的大语言模型
机器学习
2025-06-02 v1 人工智能
计算与语言
生物大分子
摘要
在现实世界的药物设计中，分子优化要求选择性地将多个分子属性提升至药学相关水平，同时保持其他已满足此类标准的属性。然而，现有的计算方法和指令微调LLM未能捕捉这种细微的属性特定目标，限制了它们的实际适用性。为了解决这一问题，我们引入了C-MuMOInstruct，这是第一个专注于具有明确、属性特定目标的多属性优化的指令微调数据集。利用C-MuMOInstruct，我们开发了GeLLMO-Cs，一系列能够执行针对性属性特定优化的指令微调LLM。我们在5个分布内和5个分布外任务上的实验表明，GeLLMO-Cs始终优于强基线，成功率最高提升126%。值得注意的是，GeLLMO-Cs对新颖的优化任务和未见过的指令表现出令人印象深刻的0-shot泛化能力。这为支持具有属性特定目标的现实、多样化优化的基础LLM迈出了一步。C-MuMOInstruct和代码可通过https://github.com/ninglab/GeLLMO-C访问。
引用
@article{arxiv.2505.23987,
title = {Large Language Models for Controllable Multi-property Multi-objective Molecule Optimization},
author = {Vishal Dey and Xiao Hu and Xia Ning},
journal= {arXiv preprint arXiv:2505.23987},
year = {2025}
}