Jun, 2024

利用流匹配与尺度最优传输进行高效的三维分子生成

PDF
TL;DR通过引入可伸缩的 E (3)- 等变消息传递体系结构 Semla 和使用流匹配训练的分子生成模型 MolFlow，本研究解决了当前 3D 药物设计中的慢速采样和生成化学有效分子的问题，并且提出了用于无条件分子生成器的新的基准度量方法，最终实验结果表明 MolFlow 显著提升了样本质量和性能。
generative models3d drug designmessage passing architecturemolecular generationbenchmark metrics
发现论文，激发创造
  • 具有混合概率传输的等变流匹配

    通过引入几何流匹配，本文在特征稳定的概率动力学和同态建模之间提出了一个混合概率路径，用于 3D 分子的生成，并在多个分子生成基准测试中实现了更好的性能和平均 4.75 倍的采样速度提升。

    Dec, 2023

  • 蛋白质骨架生成的 SE (3)- 随机流匹配

    FoldFlow 是一系列基于流匹配范式的新型生成模型，通过流动匹配 3D 刚体运动（即群 SE (3)），实现对蛋白质主链的准确建模，具备比其他方法更稳定、更快速的训练能力，并可以将任何不变的源分布映射到 SE (3) 上的任何不变的目标分布。

    Oct, 2023

  • MoFlow：一种可逆流模型，用于生成分子图

    本研究提出了一种基于流的图生成模型 MoFlow，它具有准确和可追踪的似然训练、高效的一次嵌入和生成、化学有效性保证、对训练数据的 100% 重构以及较好的泛化能力，而且该模型在分子图生成、性质优化和受约束性质优化等四项任务中均表现最新的性能。

    Jun, 2020

  • 三维全新分子生成的混合连续和分类流匹配

    在这项研究中，我们探索了用于生成化学分子的流匹配框架的扩展，该框架在 3D 分子生成方面取得了良好性能，并通过构建在概率简单形式上存在的流来对分类数据进行扩展，从而实现了改进的性能。

    Apr, 2024

  • 快速三维分子生成基于统一的几何最优输运

    该论文提出了一种名为 GOAT 的新的 3D 分子生成框架，基于流匹配最优传输目标，实现快速有效的 3D 分子生成。

    May, 2024

  • 流动地图匹配

    基于动态测量输运的生成模型通过学习常微分方程或随机微分方程，将初始条件从已知基础分布推导到目标分布。我们介绍了流图匹配算法，通过学习潜在常微分方程的双时间流图，得到了一个高效的几步生成模型，其步数可以根据精度和计算成本进行灵活的调节。与扩散模型或随机插值方法相比，流图匹配方法能够以显著降低的采样成本生成高质量样本。

    Jun, 2024

  • 基于序列扩增的 SE (3)- 流匹配用于条件蛋白质背骨生成

    利用氨基酸序列的丰富生物归纳偏差，FoldFlow-2 是一种新颖的序列条件的 SE (3)- 等变流匹配模型，用于蛋白质结构生成，并通过在一个比以前的 PDB 数据集大一个数量级的新数据集上进行规模训练，改进了无条件生成的设计能力、多样性和新颖性，同时在平衡构象抽样任务上具有泛化性能。

    May, 2024

  • SynFlowNet: 朝着具备保证的合成途径的分子设计

    基于生成模型的分子生成模型在药物发现方面取得了突破。通过使用具有化学验证的反应和反应物的动作空间，SynFlowNet 模型能够构建具有合成可行性的新分子，并且在多样性和高效性方面表现出色。

    May, 2024

  • F$^3$low: 使用 SE (3) 引导的流匹配的逐帧粗粒度分子动力学模拟

    基于 Flow-matching 的 Frame-to-Frame 生成模型 (F$3$low) 扩展了粗粒化建模方法的领域，通过自交叉采样的方式提升了计算生物学中的模拟效率，并且能够广泛探索构象空间。

    May, 2024

  • 用潜在流量导航化学空间

    通过化学流动机制在分子生成模型的潜在空间中导航，提出了一种新的框架 ChemFlow，以遍历化学空间并实现在药物设计和材料发现方面的分子科学应用。

    May, 2024