TurboHopp：利用一致性模型加速分子骨架跃迁
机器学习
2025-02-04 v2 人工智能
生物大分子
摘要
在药物发现中，探索可成药化合物的广阔化学空间是一项艰巨的挑战，生成模型正日益被用于识别可行的候选药物。考虑复杂的三维相互作用和分子几何形状的条件化基于三维结构的药物设计 (3D-SBDD) 模型尤其具有前景。骨架跃迁是一种高效的策略，它通过战略性修改分子的核心结构来促进识别相似的活性化合物，有效地缩小了广阔的化学空间并增强了类药产品的发现。然而，3D-SBDD 生成模型的实际应用受到其缓慢的处理速度的阻碍。为了解决这一瓶颈，我们引入了 TurboHopp，一种加速的口袋条件化三维骨架跃迁模型，它将传统骨架跃迁的战略有效性与一致性模型的快速生成能力相融合。这种协同作用不仅提高了效率，还显著提升了生成速度，与现有的基于扩散的模型相比，实现了高达 30 倍的推理速度以及更优的生成质量，使 TurboHopp 成为药物发现中的强大工具。在更快的推理速度的支持下，我们进一步利用一致性模型强化学习 (RLCM) 优化我们的模型，以输出理想的分子。我们展示了 TurboHopp 在多种药物发现场景中的广泛适用性，突显了其在多样化分子设置中的潜力。
引用
@article{arxiv.2410.20660,
title = {TurboHopp: Accelerated Molecule Scaffold Hopping with Consistency Models},
author = {Kiwoong Yoo and Owen Oertell and Junhyun Lee and Sanghoon Lee and Jaewoo Kang},
journal= {arXiv preprint arXiv:2410.20660},
year = {2025}
}
备注
22 pages, 11 figures, 8 tables. Presented at NeurIPS 2024