通过与大语言模型合作推动结构依赖药物设计的边界
生物大分子
2025-03-04 v1
摘要
结构依赖药物设计（SBDD）通过实现针对特定蛋白靶点的分子理性设计， revolutionized 了药物发现。尽管在提高对接分数方面取得了显著进展，但高级 3D-SBDD 生成模型仍面临在产生成药-like 候选分子满足药理化学标准和药代动力学要求方面的挑战。这些限制源于其对分子相互作用的固有关注，往往忽视药物可取性的关键方面。为解决这些不足，我们引入了协作智能药物设计（CIDD）框架，将 3D-SBDD 模型的结构精度与大语言模型（LLM）的化学推理能力相结合。CIDD 通过 3D-SBDD 模型生成支持分子，然后通过 LLM 支持的模块对这些分子进行精炼，以提高药物可取性和结构合理性。 在 CrossDocked2020 数据集上评估时，CIDD 实现了惊人的 37.94% 的成功率，显著优于之前的状态最佳基准的 15.72%。尽管在提高分子相互作用和药物可取性常被视为权衡，但 CIDD 通过利用不同模型的互补优势，实现了两者的平衡提升，为设计具有治疗前景的药物候选分子提供了稳健且创新的途径。
引用
@article{arxiv.2503.01376,
title = {Pushing the boundaries of Structure-Based Drug Design through Collaboration with Large Language Models},
author = {Bowen Gao and Yanwen Huang and Yiqiao Liu and Wenxuan Xie and Wei-Ying Ma and Ya-Qin Zhang and Yanyan Lan},
journal= {arXiv preprint arXiv:2503.01376},
year = {2025}
}