Feb, 2024

基于领域的分子生成

PDF
TL;DR引入 FMG，一种基于场的药物样分子生成模型，展示了该方法的灵活性相比流行的基于点云的方法具有重要优势，并实现了竞争性的分子稳定性生成。解决了光学异构体（对映异构体），这是之前被忽略的关键药物安全和疗效的分子性质，因此考虑了所有的分子几何方面。演示了之前的方法在一些变换中是不变的，而我们的基于场的生成模型捕捉到了这个特性。
fmgdrug-like molecule generationflexibilityoptical isomerismfield-based generative model
发现论文，激发创造
  • 基于片段的分子生成深度生成模型

    通过采用 Fragment-Based Drug Design 范例生成小分子结构语言模型并进行分子生成，大幅提高了分子的有效性和独特性，达到了基于图像的模型的最佳表现。

    Feb, 2020

  • 药物分子构型的物理知识生成模型

    基于扩散的生成模型，通过深度学习从大规模训练集中推断原子类型和几何参数，以取得高精度的键合参数，超过传统的基于知识的方法，并与实验结构进行比较。

    Feb, 2024

  • TAGMol: 目标感知梯度引导的分子生成

    3D 生成模型在结构基药物设计中表现出显著的潜力，尤其在发现适应特定靶点结合位点的配体方面。TAGMol 是一个综合的药物生成框架，通过将问题分解为分子生成和特性预测，并通过引导扩散采样过程来实现生成具有所需特性的有意义的分子。在基准数据集上进行的实验证明，TAGMol 相对于现有先进算法具有优越性能，在平均 Vina 分数上提高了 22％，并在重要辅助属性方面取得了良好的结果。

    Jun, 2024

  • 生成分子构象场

    本论文探讨了在给定分子图的情况下如何在三维空间中生成分子构象的问题，并将这些构象参数化为将分子图中的元素映射到三维空间中的连续函数。我们通过使用扩散生成模型 —— 分子构象场（Molecular Conformer Fields，MCF）来学习生成构象的分布。我们的方法简单而可扩展，在具有挑战性的分子构象生成基准测试中取得了最先进的性能，同时对分子的显式结构（例如建模转动角度）不做任何假设。MCF 在将扩散模型扩展到处理复杂科学问题方面表示了一种概念简单、可扩展且有效的进展。

    Nov, 2023

  • 基于片段的全新 2D 分子生成综述

    在计算分子生成领域，基于片段的深度生成模型是发现新化学化合物的关键任务，具有领先的方法，在 2023 年一直在分子设计基准测试中获得最新成果。我们对这些模型的架构进行了详细的比较评估，重点介绍了它们在分子分割和生成建模方面的独特方法。本综述还包括了输出质量、生成速度以及特定模型的当前限制的比较，并突出了未来研究的有希望的方向，可以将基于片段的模型与实际应用相结合。

    May, 2024

  • 基于功能组的扩散技术，用于口袋特定分子的生成和扩展

    本文提出了一种基于 D3FG 的扩散模型，用于口袋特异性分子生成和阐述，将分子分解为刚性体和质点两类组分，两种组分可以组成复杂的片段以增强配体 - 蛋白相互作用，该方法生成的分子具有更为逼真的 3D 结构，竞争性的亲和力以及更好的药物特性。

    May, 2023

  • 分子构象生成的梯度场学习

    本文研究计算化学中的分子构象生成问题，提出一种基于力场方法和评分生成模型的新方法 ConfGF，通过直接估计原子坐标的梯度场直接生成稳定构象，实验结果表明 ConfGF 明显优于现有的最新基线。

    May, 2021

  • Lingo3DMol: 基于口袋的三维分子生成语言模型

    本文提出了一种基于口袋的三维分子生成方法，利用具有生成 3D 坐标能力的语言模型，并设计了扰动复原预训练任务，介绍了一种新的分子表示方法，并利用 CrossDocked 和 DUD-E 数据集对其进行了评估。该方法在几乎所有指标上实现了最优的表现，特别是在结合模式、药物性质、合理构型和推理速度方面。

    May, 2023

  • MDM: 用于 3D 分子生成的分子扩散模型

    本文提出了一种新的扩散模型来解决 3D 分子生成中的两大挑战，即缺乏分子间关系和探索不足，该模型表现明显优于现有方法。

    Sep, 2022

  • 用于基于结构药物设计的三维生成模型

    本文提出了一种生成指定蛋白质结合位点分子的 3D 生成模型，可应用于结构基因设计任务，通过学习原子的概率密度分布并提出自回归采样策略，实现了生成有效和多样性分子的能力，在实验结果中表现出较高的亲和力和良好的药物特性。

    Mar, 2022