基于3D扩散模型的文本引导小分子生成
机器学习
2024-10-08 v1 人工智能
化学物理
生物大分子
摘要
靶向属性的分子de novo生成对于生物学、化学和药物发现至关重要。当前生成模型仅限于使用单个属性值作为条件，难以处理由详细人类语言描述的复杂定制。为此，我们提出采用文本引导方法，引入TextSMOG（Text-guided Small Molecule Generation via 3D Diffusion Model），一种通过3D扩散模型实现文本引导小分子生成的新方法，该方法将语言模型和扩散模型集成，用于文本引导小分子生成。该方法利用文本条件引导分子生成，增强稳定性和多样性。实验结果表明，TextSMOG在捕获和利用文本描述信息方面具有卓越的能力，使其成为针对复杂文本定制生成3D分子结构的强大工具。
引用
@article{arxiv.2410.03803,
title = {Text-guided Diffusion Model for 3D Molecule Generation},
author = {Yanchen Luo and Junfeng Fang and Sihang Li and Zhiyuan Liu and Jiancan Wu and An Zhang and Wenjie Du and Xiang Wang},
journal= {arXiv preprint arXiv:2410.03803},
year = {2024}
}