★ 3
SpecOpt:面向结合特异性的智能体分子优化接触差推理方法
研究提出SpecOpt任务,通过对现有化合物做受约束的结构修饰,提升其对目标靶点相对脱靶的结合偏好。团队构建ChEMBL衍生基准,并开发智能体框架,利用残基感知的原子-蛋白接触差异信息指导LLM提出修饰方案。在915个化合物上,84.8%的化合物靶点-脱靶结合差距得到改善,平均差距从-0.72提升…
arXiv cs.AI42 天前
共 3 篇相关资讯,按重要度与时间排序,每 3 小时更新。
研究提出SpecOpt任务,通过对现有化合物做受约束的结构修饰,提升其对目标靶点相对脱靶的结合偏好。团队构建ChEMBL衍生基准,并开发智能体框架,利用残基感知的原子-蛋白接触差异信息指导LLM提出修饰方案。在915个化合物上,84.8%的化合物靶点-脱靶结合差距得到改善,平均差距从-0.72提升…
论文指出结构基药物设计(SBDD)生成模型多只优化单靶点结合而忽视选择性,易带来副作用。作者推出 SELECTBENCH 基准,含三类真实场景评估任务与选择性量化指标,系统评测 9 个代表性 SBDD 模型,发现即便专为选择性训练的模型区分脱靶能力也有限,推理时引导收益不大。
研究提出 Resonance 系列模型,通过蒸馏开放权重教师模型的推理轨迹并自训练,将接近零准确率的小模型变为可用的正向反应预测器,更强学生甚至超越教师。但作者发现准确率不等于稳健推理:小模型继承教师单次推理风格,在质疑下容易放弃正确答案,呼吁同时评估推理稳健性。