SPADE：从稀疏数据出发的更快药物发现
机器学习
2026-05-08 v1 人工智能
摘要
药物发现旨在寻找与靶标蛋白结合强度和选择性强的分子（配体）。然而，不到5%的候选配体能够通过甚至药物发现早期阶段的门槛。此外，我们希望方法能够适用于那些我们没有先验数据的新型蛋白。从零开始，我们必须迭代地选择和测试候选配体，以便在尽可能少的测试中找到足够数量的优质配体。我们提出的算法称为SPADE，引入了一种新颖的配体选择方法，仅需平均40次测试即可找到10个高质量配体。在与深度学习和贝叶斯优化方法的单变量比较中，SPADE在更多蛋白质上 outperform，实现了7%-32%的样本效率提升。SPADE还比其最近的竞争者快10倍。数据集和代码均可在 https://anonymous.4open.science/r/SPADE_Fast_Drug_Discovery_by_Learning_from_Sparse_Data-F028/README.md 获取。
引用
@article{arxiv.2605.05370,
title = {SPADE: Faster Drug Discovery by Learning from Sparse Data},
author = {Rahul Nandakumar and Ben Fauber and Deepayan Chakrabarti},
journal= {arXiv preprint arXiv:2605.05370},
year = {2026}
}