用于药物分子设计的生成式预训练方法，结合双向结构-性质优化

《Communications Chemistry》：Generative pretraining for drug molecule design with bidirectional structure-property optimization

　　

摘要

设计同时满足性能要求和结构约束的类药物分子仍然具有挑战性。目前的生成方法通常将性能指标转化为数值约束，并将分子结构视为性能指标的确定性函数，这无法捕捉复杂的、非线性的结构-性能关系，从而限制了生成的多样性和可控性。因此，我们提出了BiSP-GP，这是一个双向的结构-性能生成预训练框架，它将分子生成和性能预测统一为一个序列建模任务。BiSP-GP将连续的性能指标序列化为语义令牌序列，以便在共享的序列空间中与分子结构进行联合建模。分子生成和性能预测被构建为自回归序列建模任务，并通过跨模态解码器实现双向映射。该框架还引入了支架作为条件输入来指导结构生成。实验表明，BiSP-GP在分子生成、性能预测以及下游任务中均表现出优异的性能。针对PAK1的案例研究进一步验证了该模型的生成能力，并显示出在分子对接评估中提高了结合能力。