《Briefings in Bioinformatics》：Global and local integrated gradient-based diffusion model for de novo drug design
编辑推荐：
本研究针对现有扩散模型在药物分子生成中面临的多目标优化挑战，提出了一种名为GlintDM的创新框架。该模型通过整合全局与局部梯度，结合跳跃式转换机制，在CrossDocked和Binding MOAD等基准测试中显著提升了生成分子的结合亲和力（Vina Score降低至-9.41）和药物相似性（QED达0.60）。特别地，其多目标变体（GlintDM-Multi）在保持高结合效力的同时，将命中率提升至47.4%，且生成时间缩短至299秒。该研究为高效生成多属性优化的先导化合物提供了新范式，对加速药物发现进程具有重要意义。
在药物发现领域，针对特定蛋白质靶点生成高亲和力、类药性好的小分子配体是核心挑战。传统方法如高通量筛选成本高昂且效率有限，而近年来兴起的深度生成模型虽展现出潜力，但仍存在诸多瓶颈：生成分子质量参差不齐、多目标属性难以兼顾、生成过程耗时过长等。特别是基于扩散模型的分子生成方法，虽然能产生结构新颖的化合物，但往往需要上千步的迭代去噪过程，计算开销巨大，且难以同时优化结合亲和力与类药性等多重关键指标。
为了突破这些限制，发表在《Briefings in Bioinformatics》上的这项研究提出了一个名为GlintDM（Global and Local INtegrated Diffusion Model）的创新框架。该研究旨在开发一种能够高效生成同时满足高结合亲和力、优良药代动力学性质和结构稳定性的配体分子的新方法。研究团队通过引入全局与局部梯度整合机制、跳跃式转换策略以及多阶段生成流程，显著提升了生成效率与分子质量。
本研究的关键技术方法主要包括：1）构建基于扩散模型的分子生成框架，处理原子坐标和类型；2）设计全局与局部梯度整合算法，结合从当前状态到最终状态（全局）和到下一步状态（局部）的梯度信息；3）采用跳跃式转换（Skip Transition）机制，自适应跳过冗余的中间去噪步骤，将生成步骤从通常的1000步大幅减少至仅70步；4）实施三阶段生成流程（位置优化、候选分子评估、配体重采样），依次优化结合位点、筛选高潜力候选分子并在保持关键性质的前提下增强多样性。研究使用了CrossDocked（约10万训练对）和Binding MOAD（约4万训练对）两个大型蛋白质-配体复合物数据集进行模型训练与评估。
位置优化
研究通过迭代式去噪过程精确定位最优结合位点。模型在初期迭代中处理高噪声输入，逐步细化，最终实现结合位点的精准定位，为后续分子生成奠定空间基础。
候选分子评估
研究定义了综合评分函数r(L|P)，该函数结合了AutoDock Vina计算的结合得分、定量估计药物相似性(QED)和合成可及性(SA)，以乘性方式（而非加和）平衡各项指标，从而筛选出在结合亲和力和类药性方面均表现优异的候选分子。
配体重采样
在配体重采样阶段，模型仅在原子类型上添加噪声，而保持原子位置相对稳定。这种策略使得生成的配体既能在稳定的空间构象下保持高结合潜力，又能探索化学空间的多样性，从而产生结构新颖且稳定的分子。
研究结果表明，GlintDM在CrossDocked和Binding MOAD等多个基准测试集上均取得了领先性能。其单目标变体GlintDM-Mono在结合亲和力（Vina Score低至-9.41）方面表现卓越，而多目标变体GlintDM-Multi则在保持较高亲和力（Vina Score为-7.60）的同时，显著提升了类药性（QED达0.60）和命中率（Hit Rate达47.4%）。值得注意的是，GlintDM的生成速度比基线模型TargetDiff快约4倍，比TAGMOL快约8倍。在更具挑战性的场景下，如针对别构口袋或仅有无配体（apo）结构的蛋白质靶点，GlintDM也展现出良好的鲁棒性，能够生成具有合理结合模式的分子。在对囊性纤维化跨膜传导调节因子(CFTR)等疾病相关靶点的案例研究中，GlintDM生成的候选分子与靶点蛋白形成了比已知药物更多、更合理的氢键相互作用，展示了其在实际药物发现中的应用潜力。
该研究的成功在于巧妙地将扩散模型的强大生成能力与多目标优化策略相结合。通过全局-局部梯度整合，模型能够同时考虑分子生成的长期方向（结合最终理想状态）和短期步骤（下一步状态），从而更高效地探索化学空间。跳跃式转换机制则大幅提升了生成效率。三阶段生成流程确保了从结合位点识别到高质量配体生成的系统性优化。这些创新使得GlintDM不仅能够生成高亲和力的配体，还能保证其类药性和结构合理性，为人工智能驱动的药物设计提供了新的解决方案，有望在加速先导化合物发现和优化过程中发挥重要作用。
