PepTune：基于多目标引导的离散扩散模型用于药效肽的原生生成
生物大分子
2025-06-03 v4 人工智能
摘要
我们提出了 PepTune，一种用于药效肽 SMILES 同时生成与优化的多目标离散扩散模型。基于掩码离散语言模型（MDLM）框架构建的 PepTune 确保有效的肽结构，采用新颖的键依赖掩码计划和无效损失函数。为引导扩散过程，我们引入蒙特卡洛树引导（MCTG），一种在推理阶段进行的多目标引导算法，通过平衡探索与开发不断细化帕累托最优序列。MCTG 将基于分类器的奖励与搜索树扩张相结合，克服了梯度估计和数据稀疏的挑战。使用 PepTune，我们能够同时生成多样化的、化学修饰后的肽，并针对各种疾病相关靶点进行多属性优化，包括靶点结合亲和力、膜通透性、溶解度、溶血性和非粘性。在总体结果方面，我们证明了 MCTG 对于掩码离散扩散在离散状态空间中进行多目标序列设计是一种强大且模块化的方法。
引用
@article{arxiv.2412.17780,
title = {PepTune: De Novo Generation of Therapeutic Peptides with Multi-Objective-Guided Discrete Diffusion},
author = {Sophia Tang and Yinuo Zhang and Pranam Chatterjee},
journal= {arXiv preprint arXiv:2412.17780},
year = {2025}
}
备注
Published at ICML 2025. (Proceedings of the 42nd International Conference on Machine Learning, Vancouver, Canada)