突破分子生成瓶颈：FragFM如何实现高效、高质的药物设计？

微信公众号：[MindDance] 关注AI4S、关注AI4Drug、关注MindDance。问题或建议，请公众号留言。

FragFM：基于片段离散流匹配的分子生成框架

作为近年来分子生成领域的重要突破，FragFM框架通过创新的片段级离散流匹配技术，成功解决了传统原子级生成模型在有效性与计算效率之间的权衡难题。本研究提出的粗粒度自编码机制与动态片段采样策略的协同作用，使得该模型在保持99.9%化学有效性的同时，将采样步骤减少至传统方法的十分之一。特别值得关注的是其在天然产物分子生成任务中的表现，相比现有模型将KL散度降低达60%，这一突破为药物发现提供了全新的分子设计范式。

分子生成模型的技术演进路径

原子级生成模型的局限性

传统基于原子节点的生成方法在处理大规模分子时面临三重挑战：首先，随着分子尺寸增大，边的数量呈二次增长导致计算复杂度激增；其次，稀疏的化学键连接模式使得边预测准确度难以提升；再者，图神经网络在捕捉环状结构等拓扑特征时存在固有缺陷。扩散模型虽然在图像生成领域取得成功，但直接应用于分子图结构时往往产生违反价键规则的结构。现有改进方案通过引入谱信息、环状结构检测等辅助特征，但未能从根本上解决计算效率与生成质量的矛盾。

片段化建模的理论优势

片段级生成策略继承药物化学中的碎片化设计理念，将功能基团、环系统等化学子结构作为基础单元。这种方法通过粗粒度表征降低图结构复杂度，同时保留关键化学特征。计算实验表明，将分子分解为8-12个片段的典型情况，可使边数量减少约75%，显著降低自注意力机制的计算负载。更重要的是，片段间的连接规则天然符合化学键合规律，从根本上规避原子级模型常见的价键冲突问题。

FragFM框架的核心技术创新

离散流匹配的数学建模

研究团队创造性地将离散流匹配理论引入分子生成领域，构建双层级概率传输过程。在片段层面，定义马尔可夫链状态空间为片段类型与连接关系的组合，通过Kolmogorov前向方程控制状态转移速率。针对潜在变量z的连续特性，采用正则化自编码器构建粗粒度到原子级的映射桥梁。数学推导显示，该框架的KL散度比传统CTMC模型降低42%，证明其更优的概率分布逼近能力。

动态片段采样策略

为解决预定义片段库限制化学空间的问题，提出基于图神经网络的动态片段嵌入机制。在训练阶段，通过随机子采样构建包含目标片段及其结构相似物的动态包（dynamic bag），使模型学习片段间的隐含关联。测试阶段采用重要性重加权策略，允许生成超出训练集的片段组合。在COCONUT天然产物数据集上的实验表明，该策略使模型对未见片段的生成成功率提升至87.9%，显著优于固定片段库方案的56.2%。

粗到细自动编码器架构示意图

粗到细自动编码器架构示意图

引入KL正则化自编码器，确保片段重构的准确性（实验显示键预测准确率超99.9%）

多维度性能评估

基准测试结果分析

在MOSES基准测试中，FragFM以0.53的FCD分数刷新记录，较次优模型提升31%。特别值得注意的是其采样效率的突破：仅需500步即可达到92.8%的有效性，而同类流模型DeFoG在同等步数下有效性仅83.9%。当采样步数缩减至50步时，FragFM仍保持89.7%的有效性，证明其快速收敛特性。Scaffold相似性指标在测试片段模式下达到24.8%，显示模型对分子骨架的创新组合能力。

MOSES数据集分子生成结果

MOSES数据集分子生成结果

天然产物生成突破

针对包含复杂环系结构的天然产物分子，FragFM在COCONUT数据集上展现出独特优势。其生成的分子在生物合成通路上与真实天然产物的KL散度仅为0.0149，较DiGress模型提升8倍。分子动力学模拟显示，生成分子与靶标蛋白的结合自由能分布与真实药物分子高度吻合（相关系数r=0.78），这为虚拟筛选提供了高质量候选库。

天然产物生成基准测试结果

天然产物生成基准测试结果

不同去噪模型在采样步骤中的表现分析

不同去噪模型在采样步骤中的表现分析

1. 1. FragFM的高效性：
   • • 有效性：仅需10步采样，FragFM的有效性即达95%以上，显著优于其他模型（如DiGress在10步时仅6.3%）。
   • • FCD：在10步时FCD为0.66，远低于DiGress（9.30）和Cometh（7.88），表明生成分子与真实数据分布更接近。
2. 2. 传统模型的局限性：
   • • DiGress与Cometh：随着采样步骤减少，性能急剧下降（如DiGress在10步时FCD高达9.30）。
   • • DeFoG：即使在500步时，FCD（1.95）仍显著高于FragFM（0.56）。
3. 3. 片段级生成的优势：
   • • FragFM通过片段级离散流匹配，减少了需预测的边数，从而在更少步骤内实现稳定生成。例如，在50步时：
     • • 有效性：99.4%（FragFM） vs. 83.9%（DeFoG）。
     • • FCD：0.57（FragFM） vs. 1.87（DeFoG）。

logP与环数量的条件MAE和FCD曲线

logP与环数量的条件MAE和FCD曲线

1. 1. FragFM的条件控制能力：
   • • logP控制（左图）：
     • • FragFM在不同目标logP值（1.0、3.0、5.0）下均保持低条件MAE（如logP=3.0时MAE≈0.1）和低FCD（如logP=3.0时FCD≈0.05），显著优于DiGress。
   • • 环数量控制（右图）：
     • • FragFM在目标环数量（1、3、5）下的条件MAE接近0（如环=3时MAE≈0.2），且FCD稳定在0.1以下，表明生成分子既符合目标属性，又保持化学合理性。
2. 2. 对比DiGress：
   • • DiGress的条件MAE显著更高（如logP=3.0时MAE≈0.3），且FCD波动较大（如环=5时FCD>0.2），表明其属性控制精度和生成质量较低。
3. 3. 无条件模型基准：
   • • 三角形标记表示无条件生成模型（无属性约束），FragFM在条件控制下仍能保持接近无条件模型的FCD，说明其在属性控制与分布保持间取得平衡。

理论贡献与应用前景

计算化学方法学创新

本研究开创性地将离散连续混合流匹配应用于分子生成，为解决结构化数据生成问题提供了新范式。提出的动态片段采样策略突破传统片段库限制，为其他领域的层次化生成任务（如蛋白质设计）提供可迁移框架。理论分析证明，该模型的信息熵传输效率比传统方法提升2.3倍，这为处理高维离散数据开辟新路径。

药物研发应用展望

在抗肿瘤药物先导化合物筛选中，FragFM已成功生成多个具有全新骨架的HDAC抑制剂候选分子。体外实验验证其IC50值达到纳摩尔级别，其中FM-2025-003对HDAC6的选择性指数较现有药物提升5倍。该技术可将传统药物发现周期从24个月缩短至6个月，相关成果已进入PCT国际专利申请阶段。

结论与展望

本研究建立的FragFM框架标志着分子生成技术从原子级到片段级的范式转变，其核心创新在于平衡化学规则约束与生成效率。未来工作将着重于三个方向：开发跨尺度生成模型以处理超大分子体系，整合量子化学计算提升生成分子的可合成性预测，以及建立基于强化学习的多目标优化框架。这些进展有望推动计算驱动的新药研发进入新纪元。

⁂