直视另一侧：通过任务算术设计具有负数据的“正”分子
机器学习
2025-12-09 v2 化学物理
生物大分子
摘要
具有理想属性 (即 `正' 分子) 的分子稀缺性是生成分子设计的固有瓶颈。为规避此障碍，我们提出了分子任务算术：在多样化且丰富的负面例子上训练模型以学习 `属性方向' - 无需访问任何正面标记数据 - 并沿相反的属性方向移动模型以生成正面分子。在 33 个具有不同分子实体 (小分子、蛋白质)、模型架构和规模的设计实验中，分子任务算术生成的分子更具多样性且成功性更高于在正面分子上训练的模型。此外，我们在双目标和少样本设计任务中采用了分子任务算术。我们发现，分子任务算术能够在保持理想的复杂设计属性 (例如良好的蛋白质结合分数) 的同时持续增加设计的多样性。凭借其简单性、数据效率和性能，分子任务算术有望成为 de novo 分子设计的事实标准迁移学习策略。
关键词
引用
@article{arxiv.2507.17876,
title = {Look the Other Way: Designing 'Positive' Molecules with Negative Data via Task Arithmetic},
author = {Rıza Özçelik and Sarah de Ruiter and Francesca Grisoni},
journal= {arXiv preprint arXiv:2507.17876},
year = {2025}
}