AI+Drug 文献速递 | 一种新的分子设计策略，结合了不确定性量化和DMPNN，提出概率改进优化方法

1. Uncertainty quantification with graph neural networks for efficient molecular design

期刊: Nature Communications 链接: https://doi.org/10.1038/s41467-025-58503-0 代码: https://doi.org/10.5281/zenodo.14729022

简介: 研究将不确定性量化（UQ）与图神经网络结合，提出概率改进优化（PIO）方法，提升分子设计的可靠性和效率。研究基于Tartarus和GuacaMol平台的数据集，用D-MPNN建立代理模型并结合遗传算法优化分子结构。实验表明，PIO在单目标和多目标优化任务中表现出色，能平衡不同目标，比传统方法更有效。该研究为分子设计提供了新策略，有助于在复杂化学空间中探索新型化合物。

2. PE-GCL: Advancing pesticide ecotoxicity prediction with graph contrastive learning

期刊: Journal of Hazardous Materials 链接: https://doi.org/10.1016/j.jhazmat.2025.137261 代码: https://dpai.ccnu.edu.cn/PERA/

简介: 论文提出PE-GCL框架，首次将对比学习应用于农药生态毒性预测，以解决数据稀缺和过拟合问题。该框架通过在大规模未标记化合物上预训练，捕捉分子内在规律，再微调用于毒性预测。研究收集多个数据库数据，构建模型并与多种监督学习模型对比。使用藻类、鸟类、鱼类和昆虫的毒性数据集测试，结果表明PE-GCL在多数预测任务上优于传统监督模型，在独立外部验证中对未见数据预测准确性更高，还开发网站实现实时生态风险评估，为生态毒性预测提供了新途径。

3. Chemical Genomics Language Model toward Reliable and Explainable Compound-Protein Interaction Exploration

期刊: bioRxiv 链接: https://doi.org/10.1101/2024.02.13.580100 代码: https://github.com/clinfo/ChemGLaM

简介: 该论文提出ChemGLaM化学基因组学语言模型，用于可靠且可解释的化合物-蛋白质相互作用预测，提升泛化性能、量化预测置信度并确保可解释性。模型整合化学和蛋白质语言模型，利用多头部交叉注意力机制捕捉相互作用特征，并应用不确定性估计和注意力可视化。研究使用BindingDB、Davis等多个数据集评估，结果显示ChemGLaM在零样本预测任务中表现优异，在虚拟筛选和解释相互作用机制方面效果良好，还通过实际应用展示其在药物开发中的潜力。

4. ProDualNet: Dual-Target Protein Sequence Design Method Based on Protein Language Model and Structure Model

期刊: bioRxiv 链接: https://doi.org/10.1101/2025.02.28.640919 代码: https://github.com/chengliu97/ProDualNet

简介: 论文介绍ProDualNet，一种基于蛋白质语言模型和结构模型设计双靶蛋白序列的新方法，解决多靶蛋白设计难题。该方法用异构图网络预训练，结合噪声增强单靶数据和真实双靶数据微调。研究构建多个测试集，以ProteinMPNN_mean等为对比方法，结果表明ProDualNet在双靶蛋白设计任务中，如总残基恢复、界面残基恢复等指标上表现更优，在零样本预测任务中也展现出良好性能，为双靶蛋白设计提供了有效方案。

5. UNIGEM: A UNIFIED APPROACH TO GENERATION AND PROPERTY PREDICTION FOR MOLECULES

期刊: ICLR 2025会议论文 链接: https://arxiv.org/abs/2410.10516 代码: https://github.com/fengshikun/UniGEM

简介: 论文提出UniGEM，一种基于扩散模型的统一方法，能同时提升分子生成和性质预测性能。它采用两阶段生成过程，将分子生成分为成核和生长阶段，在生长阶段引入预测损失进行联合优化，并通过创新训练策略平衡任务。研究使用QM9和GEOM-Drugs数据集，在分子生成任务上，UniGEM生成的分子稳定性比EDM提高约10%；在性质预测任务上，显著超越从头训练的基线模型，甚至可比肩部分预训练方法。该研究为分子设计和性质预测提供了新的有效途径。

6. SpatialAgent: An autonomous AI agent for spatial biology

期刊: bioRxiv 链接: https://doi.org/10.1101/2025.04.03.646459 代码: https://github.com/Genentech/SpatialAgent

简介: SpatialAgent是一种专为空间生物学研究设计的自主AI智能体，它整合大语言模型、动态工具执行和自适应推理，能处理从实验设计到数据分析和假设生成的整个研究流程。在实验中，利用人类大脑、心脏和小鼠结肠等多个数据集，对基因面板设计、细胞和组织注释等任务进行测试，结果显示SpatialAgent在多数任务上超越现有计算方法，与人类专家表现相当或更优。该研究为空间生物学研究提供了高效、可扩展的新范式，有助于推动生物医学研究发展。

7. BoltzDesign1: Inverting All-Atom Structure Prediction Model for Generalized Biomolecular Binder Design

期刊: bioRxiv 链接: https://doi.org/10.1101/2025.04.06.647261 代码: https://github.com/yehlincho/BoltzDesign1

简介: 论文介绍BoltzDesign1，一种利用Boltz-1全原子结构预测模型进行蛋白质设计的计算框架，无需额外微调，能降低计算成本并提高设计质量。该方法通过直接优化Pairformer模块的距离直方图概率分布，结合置信度模块进行序列优化。研究对小分子、金属离子、核酸等多种生物分子进行测试，结果表明BoltzDesign1生成的小分子结合剂在成功率和结构多样性上优于RfDiffusionAA，还能成功设计出金属离子、核酸和靶向蛋白翻译后修饰位点的结合剂。

8. Transfer learning from first-principles calculations to experiments with chemistry-informed domain transformation

期刊: arxiv 链接: https://doi.org/10.48550/arXiv.2504.02848

简介: 论文提出一种基于化学信息域变换的从第一性原理计算到实验数据的迁移学习方法，利用化学先验知识整合异构数据域，解决材料研究中实验数据稀缺问题。该方法通过统计系综和量的转换函数进行域变换，再进行同构域迁移学习。研究以逆水煤气变换反应的催化剂活性预测为案例，使用Open Catalyst 2020模拟数据集和Wang2023高通量实验数据集，结果表明该方法预测准确性高，仅用少量目标数据就能显著提升性能。

9. Chem42∗: a Family of chemical Language Models for Target-aware Ligand Generation

期刊: arxiv 链接: https://doi.org/10.48550/arXiv.2503.16563 代码: https://huggingface.co/inceptionai

简介: Chem42是一系列用于目标感知配体生成的化学语言模型，通过整合原子相互作用建模和蛋白质语言模型，解决现有分子生成模型缺乏目标特异性的问题。该模型基于UniChem数据库数据，采用原子级标记策略和基于Transformer的架构进行预训练，并通过跨注意力机制融入蛋白质上下文信息来生成配体。在多个基准测试中，Chem42在分子属性预测、无条件和条件分子生成、反应预测及目标感知配体生成等任务上表现出色，优于同类模型。

10. PETIMOT: A Novel Framework for Inferring Protein Motions from Sparse Data Using SE(3)-Equivariant Graph Neural Networks

期刊: arxiv 链接: https://arxiv.org/abs/2504.02839 代码: https://github.com/PhyloSofS-Team/PETIMOT

简介: 论文提出PETIMOT框架，利用SE(3)等变图神经网络从稀疏实验数据推断蛋白质运动，解决蛋白质构象多样性的表示问题。它通过构建特定任务损失函数，结合蛋白质语言模型的嵌入来学习蛋白质运动的特征子空间。研究使用Protein Data Bank中约75万条蛋白质链数据进行训练，在824个蛋白质上测试。结果显示，PETIMOT在捕捉蛋白质动态，特别是大尺度/慢构象变化方面，比AlphaFlow、ESMFlow等方法表现更优，且推理速度更快。该研究为理解蛋白质功能提供了新视角，在蛋白质工程和药物开发等领域有潜在应用价值。

11. BondMatcher: H-Bond Stability Analysis in Molecular Systems

期刊: arxiv 链接: https://doi.org/10.48550/arXiv.2504.03205 代码: https://github.com/thom-dani/BondMatcher

简介: 论文提出BondMatcher框架，通过计算氢键出现率分析分子体系中氢键稳定性，为研究分子动态行为提供新视角。该框架利用离散莫尔斯理论和量子化学理论，生成水六聚体异构体电子密度数据集，通过几何感知的部分同构估计计算氢键出现率。研究以水六聚体的旋转和振动动态效应为案例，分析结果与实验观察相符，并得到氢键消失的几何标准。该研究有助于深入理解分子体系中氢键的稳定性，为相关领域研究提供了有力工具。

12. TheBlueScrubs-v1, a comprehensive curated medical dataset derived from the internet

期刊: arxiv 链接: https://arxiv.org/abs/2504.02874 代码: https://huggingface.co/TheBlueScrubs

简介: 论文介绍了TheBlueScrubs-v1，这是一个从互联网提取的医学数据集，旨在解决临床大语言模型训练数据不足问题。它通过逻辑回归模型筛选、大语言模型评估等流程构建，包含约250亿医疗标记，并为每个文本标注多项信息。在实验中，用该数据集训练的安全分类器和微调的小模型在相关任务上表现良好。该数据集为医学人工智能研究提供了有价值的资源，有助于推动临床大语言模型的发展。

13. AD-GPT: Large Language Models in Alzheimer’s Disease

期刊: arxiv 链接: https://arxiv.org/abs/2504.03071

简介: AD-GPT是专门为阿尔茨海默病（AD）研究设计的领域特定生成预训练模型，通过整合多源生物医学数据和特定任务语料库，解决通用大语言模型在AD研究中的不足。它采用Llama3和BERT堆叠架构，针对四个关键任务进行优化。在与多个先进大语言模型的对比评估中，AD-GPT在各任务上精度和可靠性更优，且经QLoRA微调后性能显著提升。

14. On the Connection Between Diffusion Models and Molecular Dynamics

期刊: arxiv 链接: https://arxiv.org/abs/2504.03187

简介: 论文探讨了扩散模型与分子动力学之间的联系，通过新的数学推导揭示其关系，并展示基于扩散模型的神经网络势（NNP）在分子动力学模拟中的应用。研究以粗粒度氯化锂溶液为案例，利用NequIP训练模型，对比不同训练数据量下扩散模型和传统NNP的性能。结果表明，扩散模型结合数据复制技术，在有限数据下能达到与传统NNP相似的模拟效果。

15. Combining Molecular Docking and Pharmacophore Models Predicts Ligand Binding of Endocrine-Disrupting Chemicals to Nuclear Receptors

期刊: Chemical Research in Toxicology 链接: https://doi.org/10.1021/acs.chemrestox.4c00455

简介: 论文结合分子对接和药效团模型，开发出预测内分泌干扰化学物质与核受体结合的方法，为识别潜在有害化合物提供新途径。研究从CompTox Dashboard和NR-DBIND获取化合物数据并处理，经受体蛋白结构准备后，用smina软件进行分子对接计算，同时用LigandScout生成药效团模型，将两者结合并评估。结果显示，该方法在不同数据集上有不同表现，能有效筛选与核受体结合的化合物。

16. A workflow to create a high-quality protein–ligand binding dataset for training, validation, and prediction tasks

期刊: Digital Discovery 链接: https://doi.org/10.1039/d4dd00357h 代码: https://github.com/THGLab/HiQBind

简介: 文章提出HiQBind-WF工作流程，旨在解决现有蛋白质-配体结合数据集的问题，创建高质量数据集用于训练和评估打分函数。该流程通过一系列筛选和结构优化模块处理从RCSB PDB下载的数据。用其优化PDBbind v2020数据集并创建HiQBind数据集，对比发现HiQBind数据集在药物相似性等属性分布上与PDBbind相似且更具优势。HiQBind-WF为构建高质量数据集提供了有效方案，推动了药物发现和相关研究的发展。

17. High-accuracy protein complex structure modeling based on sequence-derived structure complementarity

期刊: bioRxiv 链接: https://doi.org/10.1101/2025.03.26.645390 代码: http://zhanglab-bioinf.com/DeepSCFold/

简介: 该论文提出DeepSCFold，一种基于深度学习预测蛋白质复合物结构的方法，能有效捕捉蛋白质间相互作用模式，提升预测准确性。它利用基于序列的深度学习模型预测蛋白质结构相似性和相互作用概率，构建深度配对多序列比对（MSAs）。研究使用CASP15竞赛中的多聚体目标、SAbDab数据库中的抗体-抗原复合物等数据集进行测试。结果显示，DeepSCFold在预测准确性上显著优于现有方法，如在CASP15多聚体目标预测中，与AlphaFold-Multimer和AlphaFold3相比，TM-score分别提高11.6%和10.3%。

18. TransBind allows precise detection of DNA-binding proteins and residues using language models and deep learning

期刊: Communications Biology 链接: https://doi.org/10.1038/s42003-025-07534-w 代码: https://doi.org/10.5281/zenodo.14272818； https://trans-bind-web-server-frontend.vercel.app/

简介: TransBind利用预训练蛋白质语言模型和深度学习，实现了从蛋白质序列直接精准检测DNA结合蛋白及结合位点，避免了传统方法依赖多序列比对的局限。它通过自注意力机制提取全局特征，用Inception V2模块提取局部特征，并采用加权损失函数处理数据不平衡问题。在多个基准数据集上，TransBind在预测DNA结合残基和蛋白质方面，精度和计算效率均优于现有方法。该研究为DNA结合蛋白及位点的预测提供了高效、准确的新工具。