利用多模态等变扩散模型和文本提示，可控生成三维分子

《npj Digital Medicine》：Condition controllable generation of 3D molecules using textual prompts by multimodal equivariant diffusion model

　　

摘要

生成新颖且具有功能的分子是药物发现中的关键任务，尤其是在应对抗生素耐药性和癌症等重大疾病的有效治疗手段稀缺这一关键挑战时。三维（3D）结构设计能够直接反映分子的生物学功能，然而其复杂性和拓扑不规则性使得在严格的几何约束条件下从头生成3D分子变得极其困难。条件化或可控设计为这一具有挑战性的任务提供了一种更加精确且高效的解决方案。在这项研究中，我们提出了一种基于多模态扩散模型的文本引导型从头3D分子生成方法（TDmol）。TDmol设计了一个两阶段的多模态对齐对比深度学习流程，以从不同的模态（包括分子文本描述和分子2D/3D结构）中提取跨模态的共享知识和独特特征，从而实现条件化且可控的分子生成。据我们所知，TDmol是首个实现文本-3D模态对齐以进行条件化分子生成的工具。实验结果表明，TDmol在生成有效且可靠的3D分子结构方面表现出显著的性能提升。这项工作突显了多模态基础模型在数字医学中的潜力，为3D分子生成提供了一个可扩展且通用的框架，可应用于各种临床场景。TDmol的一个用户友好的网络服务器已部署在 http://www.csbio.sjtu.edu.cn/bioinf/TDMol 供学术研究使用。