基于数据-物理双驱动生成框架的多目标荧光分子设计

《JACS Au》：Multiobjective Fluorescent Molecule Design with a Data-Physics Dual-Driven Generative Framework

　　

荧光小分子的设计需要在广阔且尚未充分探索的化学空间中，同时控制光学响应、亮度及物理化学约束。在此类现实设计规格下，传统的生成-评分-筛选方法因搜索效率低、机器学习预测的泛化能力不可靠以及量子化学计算成本过高而变得不切实际。在此，研究人员提出了LUMOS，一种用于荧光分子逆向设计的数据与物理双驱动框架。LUMOS在共享潜在表示中将生成器与预测器耦合，实现了从规格直接到分子的设计以及高效探索。此外，LUMOS将神经网络与快速时间依赖密度泛函理论（time-dependent density functional theory，TD-DFT）计算工作流相结合，构建了一套涵盖速度、准确性和泛化能力不同权衡的互补预测器套件，从而能够在多种情景下进行可靠的性质预测。最后，LUMOS采用性质引导的扩散模型并与多目标进化算法集成，在多重目标与约束下实现从头设计（de novo design）和分子优化。在随机分割、骨架分割和荧光团分割上的基准测试显示，该框架具有竞争性或更优的预测精度，同时物理一致性增强；多目标优化则在代表性基线上产生了显著改进的帕累托前沿（Pareto front）。使用TD-DFT和分子动力学（molecular dynamics，MD）模拟的进一步验证表明，LUMOS能够生成满足各类目标规格的有效荧光团。总体而言，这些结果确立了LUMOS作为用于荧光团逆向设计的数据-物理双驱动框架的地位。

**论文解读：基于数据-物理双驱动生成框架的多目标荧光分子设计**

**研究背景与问题**
荧光小分子在生物成像、化学传感和光电子学等领域具有关键作用，其优势在于结构可调性强、环境敏感性和生物相容性良好。然而，荧光分子的成功设计需要在多个往往相互冲突的目标之间取得精细平衡，例如定制激发/发射波长、高光致发光量子产率（photoluminescence quantum yield，PLQY）以及大斯托克斯位移（Stokes shift）。传统发现范式通常依赖已知骨架（如罗丹明和BODIPY）的局部化学修饰，结合大量试错循环，存在两方面固有局限：一是高度依赖领域专家经验以及劳动密集的合成-表征-筛选循环；二是局限于对已有结构的微调，限制了对更广阔化学空间的探索，阻碍了具有显著改进性质的全新化学型的发现。近年来，人工智能（artificial intelligence，AI）驱动的分子设计已经取得了初步进展，例如基于循环神经网络（recurrent neural network，RNN）与蒙特卡洛树搜索（Monte Carlo tree search，MCTS）的组合、图卷积网络（graph convolutional network，GCN）逐步分子编辑、强化学习与机器学习性质预测器耦合，以及自适应β-变分自编码器与潜在预测器相结合等方法。然而，实际荧光分子设计仍需要两种很少能同时实现的能力：一是在多重光学与物理化学目标下的高效搜索与优化；二是在训练分布之外对候选分子进行可靠且可扩展的评价。现有工作流通常隐式依赖生成-评分-筛选范式，生成大量任务控制有限、随后经预测模型过滤的候选分子，在需要同时满足光学目标、硬性物理化学约束和骨架级新颖性时效率低下。同时，神经网络预测器虽快但对外分布分子外推不可靠；物理基量子化学方法虽具备更好的迁移性和机理解释性，但计算成本和系统偏差限制其在高通量设计中的直接使用。

**LUMOS框架概述**
针对上述挑战，研究人员提出了LUMOS（Latent Unified Framework for Fluorophore Design，荧光团设计潜在统一框架），一种数据和物理双驱动的荧光小分子逆向设计框架。LUMOS通过共享的连续潜在表示将分子性质预测、生成和优化相连接，实现了在可导航化学空间中的性质条件搜索。在性质评价方面，LUMOS将快速神经预测器与加速TD-DFT工作流及神经偏置校正模型相结合，构成用于快速搜索和物理信息事后评估的分层预测器体系。在分子设计方面，LUMOS整合了潜在扩散、可微性质引导和多目标进化算法，支持在多重光学与物理化学约束下的从头规格到分子生成和分子优化。

**技术方法概述**
研究人员采用的主要技术方法包括以下几类。第一，基于MolCT图编码器和Transformer SMILES解码器构建图到序列自编码器，在大规模分子库预训练后于FluoDB数据集微调，建立连续语义潜在化学空间。第二，构建双分支预测系统，包括用于快速可解释预测的注意图预测器（attentive graph predictor，AGP）和用于梯度引导生成的可微潜在替代预测器（latent surrogate predictor，LSP），采用多任务学习同时回归吸收最大值（λ_abs）、发射最大值（λ_emi）、摩尔消光系数对数（log ?）和PLQY。第三，开发结合RDKit构象搜索、xTB几何优化和GPU4PySCF加速TD-DFT激发态计算的高通量物理计算工作流，并利用偏差校正网络对原始TD-DFT输出进行标定，形成混合预测模型。第四，基于扩散变压器（diffusion transformer，DiT）实现提示条件生成和梯度引导生成两种模式，并将噪声-去噪循环作为变异算子与NSGA-III进化算法集成，用于全局优化、片段优化及约束优化。数据来源包括FluoDB数据集的约45,000个分子-溶剂对，以及ZINC、ChEMBL和PubChem聚合的约1.5亿分子预训练库。

**研究结果**

**构建连续且语义化的潜在化学空间**
通过重建精度评估，自编码器在域内FluoDB测试集上达到94.0%的重建成功率，在外部骨架迁移的热激活延迟荧光（thermally activated delayed fluorescence，TADF）数据集上达到77.7%，表明其具备超越训练分布的泛化能力。相似性分析显示潜在空间余弦相似度与化学Tanimoto相似度之间呈强正相关，证明流形有效保留了结构相似性关系。与基准模型CDDD的比较中，LUMOS在荧光团家族一致性和kNN可分离性上表现出中等程度的整体优势，证实微调后的图到序列架构有效捕获了荧光分子的内在结构信息。

**准确且物理一致的荧光性质预测**
在随机、骨架和荧光团三种数据分割策略下，AGP在骨架分割中平均排名为1.25，在荧光团分割中为2.00，均优于MPNN和FLSF等基线模型；LSP表现略低于AGP。AGP学习到的原子注意权重与DFT计算的前线分子轨道（HOMO/LUMO）密度分布呈现定性吻合，表明其能在无电子结构显式监督条件下自主识别关键荧光团和给/吸电子基团。在物理一致性方面，AGP和LSP在骨架和荧光团分割下的常规/反斯托克斯假阳性率低于基线配置，且多任务训练策略显著降低了MPNN和FLSF的假阳性率，说明吸收和发射联合学习及模型架构设计共同促进了物理解释性更强的预测。

**通过物理信息混合框架增强预测泛化性**
标准TD-DFT计算虽具有物理迁移性，但原始计算值存在显著系统偏差。研究人员开发的高通量TD-DFT流程在保持与Gaussian相当精度的同时，实现了约3个数量级的加速，将单分子计算成本降至101–102秒量级。混合模型（TD-DFT+NN）利用偏差预测网络对原始TD-DFT输出进行动态缩放和偏移校正，在荧光团分割测试子集（n = 1,948）上较原始TD-DFT和纯神经网络在λ_abs和λ_emi的均方根误差（root-mean-square error，RMSE）和决定系数（R2）上均实现显著改进，支持其作为高保真事后筛选工具的应用。

**荧光分子的靶向从头生成**
在提示条件生成模式下，单性质提示验证显示，在极性和非极性溶剂环境中λ_abs和λ_emi的输入提示值与TD-DFT验证性质之间均呈现强正相关；双目标提示（λ_abs与log ?联合）下生成的分子二维分布与输入提示高度吻合。梯度引导生成模式下，与无条件生成相比，经LSP梯度引导的分子在四个荧光性质上均显著增强，但TD-DFT验证的振子强度差异有限，这归因于振子强度与log ?之间的物理非等价性。同时，数据稀疏性导致对log ?和PLQY的控制较弱，且生成分子的新颖性和独特性在分布尾部采样时有所下降。

**面向多样化设计场景的多目标分子优化**
全局优化任务中，从荧光探针先导分子出发，针对λ_emi、斯托克斯位移、log ?和PLQY四个目标进行优化，所有指标均持续改进；LUMOS在超体积（hypervolume，HV）和各项目标值上均显著优于QMO、Gen-DL和REINVENT4三种基线方法。片段优化任务中，保持固定核心骨架仅对可变异进行扩散变异操作，组装后由AGP评分和NSGA-III筛选，最终同样获得四项性质一致的改进并超越基线。在细胞渗透性约束优化任务中，将ADMET-AI预测器集成至引导扩散损失，以PAMPA渗透性、亲脂性和溶解度为优化目标，同时对λ_emi、斯托克斯位移和亮度施加约束；优化分子在满足全部荧光约束的前提下，ADMET目标持续改善。分子动力学模拟的势平均力（potential of mean force，PMF）曲线和有效膜渗透性（log P_eff）计算显示，代表优化分子Opt-1至Opt-3的log P_eff分别为-0.69、-0.50和-1.87，远优于初始分子荧光素的-8.90，表明其膜转位能力大幅提升；机制上，Opt-1和Opt-2通过酯化或氯代中和可电离基团维持生理pH中性，而Opt-3带阳离子电荷和长脂肪链，可能作为膜锚定探针，展示了模型探索多样化化学修饰路径的能力。

**讨论与结论**
LUMOS的成功建立在三个概念支柱之上：统一且可导航的潜在表示、适应不同评价场景的预测器套件（快速可解释的AGP、支持梯度回传的LSP、以及兼顾效率与泛化性的TD-DFT/NN混合模型）、以及与多目标进化算法耦合的生成引擎。该框架天然适用于从骨架级探索到局部片段精修的多层次设计任务。然而，研究同时指出了若干局限：提示条件生成在新颖性和独特性方面仍有限，对log ?和PLQY的控制较弱，这在很大程度上归因于现有数据集规模不足；环境效应的处理仍显简化，未全面纳入粘度、质子化/互变异构平衡、生物分子结合和构象限制的影响；框架主要建模单个荧光分子，未显式考虑分子间堆积、聚集诱导猝灭（aggregation-caused quenching，ACQ）或聚集诱导发射（aggregation-induced emission，AIE）；此外，合成可行性和化学/光稳定性尚未被显式建模，计算验证不能替代实验合成与表征。总体而言，本研究确立了LUMOS作为数据-物理双驱动荧光团逆向设计框架的有效性，通过目标引导的可控生成与物理一致的预测，实现了广阔未探索化学空间中多目标、多约束下的高效荧光分子设计。