面向去新药设计的多域分布学习
机器学习
2025-08-26 v1 生物大分子
摘要
我们提出 DrugFlow，一种用于结构驱动药物设计的生成模型，将连续流匹配与离散马尔可夫桥接相结合，在学习化学、几何和物理方面，尤其是三维蛋白-配体数据的方面显示出业界领先的性能。我们为 DrugFlow 引入了不确定性估计，能够检测离群分布样本。为进一步提升采样过程以获得具有理想度量值的分布区域，我们提出了一种可应用于流匹配和马尔可夫桥接框架的联合偏好对齐方案。此外，我们将模型扩展到还能联合采样副链角度和分子，以探索蛋白质的构象景观。
引用
@article{arxiv.2508.17815,
title = {Multi-domain Distribution Learning for De Novo Drug Design},
author = {Arne Schneuing and Ilia Igashov and Adrian W. Dobbelstein and Thomas Castiglione and Michael Bronstein and Bruno Correia},
journal= {arXiv preprint arXiv:2508.17815},
year = {2025}
}