arXiv cs.LGMeta AI·18 天前★ 2

PMO-Dock 基准发布：分子对接优化评测新协议

原文标题：PMO-Dock: Benchmarking Docking, Specificity, and Generalization in Molecular Optimization

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

研究者提出 PMO-Dock，一个面向基于对接（docking）的分子优化基准与评测协议，包含 25 项任务，覆盖命中生成、先导优化以及新增的特异性任务（要求强靶向结合并惩罚脱靶作用）。协议将模型开发与最终评测分离，测试任务在严格 oracle 预算下评估，以贴近真实药物发现场景。作者对 Saturn、GenMol、Genetic-guided GFlowNet 和 ChemLlama 四种方法进行基准测试，发现没有普遍最优方法，超参数迁移能力有限且因方法而异。

论文速读 · 四段结构cs.LG去论文速读 →

问题: 基于对接的分子优化评测缺乏统一协议，各方法任务与预算不一致。
方法: 提出PMO-Dock，25项任务覆盖命中生成、先导优化与特异性，分离开发与测试并设严格oracle预算。
结果: 基准测试Saturn、GenMol、Genetic-guided GFlowNet、ChemLlama，无普遍最优方法，超参数迁移能力有限且因方法而异。
影响: 做AI药物设计的团队有了可公平比较对接优化的标准，选型时需按任务而非通用排名。

所属主题基准测试5

#学术研究 #分子优化 #药物发现 #基准测试 #扩散模型 #强化学习

阅读原文 +0

AI 处理过程展开/收起

原始标题：PMO-Dock: Benchmarking Docking, Specificity, and Generalization in Molecular Optimization

AI 中文标题：PMO-Dock 基准发布：分子对接优化评测新协议

来源：arXiv cs.LG · 发布于 18 天前

分类：学术研究 · AI 重要度：★ 2（2）

标签：分子优化 / 药物发现 / 基准测试 / 扩散模型 / 强化学习

关键词：分子优化基准 / PMO-Dock / AI 药物发现 / 分子对接 / GFlowNet

AI 处理：2026/10/15 12:51:26 · 模型 deepseek-chat · 规则版本 2026-10-10.1

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。