AI+Drug 文献速递 | 字节跳动等机构放大招，APM 解锁多链蛋白设计新姿势

1. An All-Atom Generative Model for Designing Protein Complexes

期刊: arxiv 链接: https://arxiv.org/abs/2504.13075v1 代码: https://github.com/bytedance/apm

简介: 论文提出全原子蛋白质生成模型APM，能进行多链蛋白质建模、设计具有结合能力的蛋白质复合物等任务，且在下游应用表现出色。APM通过整合原子级信息，采用独特架构和训练方法，解决多链蛋白建模、全原子表示和序列结构依赖等挑战。实验使用来自PDB、Swiss-Prot、AFDB等的单链和多链数据，在单链和多链蛋白质相关任务及下游任务（如抗体和肽设计）中，APM与其他模型对比展现出优势。该研究为蛋白质复合物设计提供了新的有效工具，推动了蛋白质设计领域的发展。

2. CellFlow enables generative single-cell phenotype modeling with flow matching

期刊:biorxiv 链接: https://www.biorxiv.org/content/10.1101/2025.04.11.648220v1 代码: https://github.com/theislab/CellFlow， https://github.com/theislab/cellflow_reproducibility

简介:论文提出CellFlow框架，利用流匹配技术对单细胞表型进行建模，可预测多种扰动下的细胞表型。它将实验变量编码并聚合为条件嵌入，通过流匹配和最优传输学习映射关系。实验涵盖多种数据集，如PBMCs、斑马鱼胚胎等。在预测细胞因子反应、斑马鱼胚胎发育等任务中，CellFlow表现出色，能有效捕捉复杂细胞分布变化。该框架为单细胞表型研究提供了有力工具，有助于加速生物发现。

3. Biologically-informed Interpretable Deep Learning Framework for Phenotype Prediction and Gene Interaction Detection

期刊:biorxiv 链接: https://www.biorxiv.org/content/10.1101/2025.04.11.648325v1 代码: https://github.com/chequet/genepair

简介:本文介绍了GENEPAIR框架，用于解释基于基因组数据训练的深度学习模型，以检测基因与表型的关联及基因间相互作用。该框架通过特征消融量化基因特征对模型预测的影响。实验基于UK Biobank的BMI数据，构建DNN模型并与线性模型对比。结果表明，DNN在预测BMI上表现更优，且GENEPAIR识别出与BMI相关的基因和新的基因间相互作用。

4. Benchmarking Biopharmaceuticals Retrieval-Augmented Generation Evaluation

期刊: arxiv 链接: https://arxiv.org/abs/2504.12342v1

简介: 该论文提出生物制药检索增强生成评估（BRAGE）基准，用于评估大语言模型在生物制药领域的查询和参考理解能力（QRUC），并提出基于引用的分类方法量化QRUC。论文采用问答格式构建数据，从专家处收集开放式生物制药查询，利用LlamaIndex从PubMed和谷歌搜索结果中获取参考资料。实验在BRAGE上评估主流大语言模型，结果显示不同模型的QRUC存在明显差距，如Gemini-1.5-pro在英文部分宏观平均F1分数最高，且模型在不同查询类别上表现各异。

5. How to Detect and Defeat Molecular Mirage: A Metric-Driven Benchmark for Hallucination in LLM-based Molecular Comprehension

期刊: arxiv 链接: https://arxiv.org/abs/2504.12314v1

简介: 论文针对大语言模型在分子理解任务中的幻觉问题，分析其来源并提出Mol-Hallu评估指标和幻觉减少后处理阶段（HRPP）。通过分析PubChemQA数据集确定知识捷径会加剧幻觉，Mol-Hallu基于科学蕴含关系量化幻觉程度，HRPP利用幻觉敏感偏好数据集优化生成文本。实验以多种大语言模型为基线，在PubChemQA数据集上进行评估，结果表明各模型幻觉率在40-60%，HRPP能有效缓解幻觉。

6. Streamlining Biomedical Research with Specialized LLMs

期刊: arxiv 链接: https://arxiv.org/abs/2504.12341v1

简介: 文章提出将领域特定大语言模型PharmaGPT与多通道检索系统结合的Synapse Chat系统，能提供全面准确的生物医学响应。PharmaGPT经大量生物制药和化学领域语料训练，多通道检索系统整合多种数据检索方式。通过对比Synapse Chat和ChatGPT在信息相关性辨别任务中的表现，发现Synapse Chat在不同语言和噪声水平下更精准。此外，该系统在药物问答、化合物结构识别等方面表现出色。

7. Regular Time-series Generation using SGM

期刊:arxiv 链接: https://arxiv.org/abs/2301.08518v1

简介:该论文提出一种基于分数生成模型（SGMs）的时间序列合成方法TSGM，首次将SGMs应用于时间序列合成领域，并设计了新的去噪分数匹配机制。方法上，构建由编码器、解码器和条件分数网络组成的模型，通过训练学习条件对数似然的梯度。实验使用5个真实世界数据集，对比8个基线模型，以预测分数和判别分数为评估指标。结果显示，TSGM在多数情况下生成质量和多样性最佳。该研究为时间序列生成提供了新的有效方法，在相关领域具有重要应用价值。

8. Interpretable AI-driven Guidelines for Type 2 Diabetes Treatment from Observational Data

期刊: arxiv 链接: https://arxiv.org/abs/2504.12417v1

简介: 论文利用人工智能和优化方法，创建了精确、结构化且基于数据的2型糖尿病治疗进展指南。研究从波士顿医疗中心1998-2014年的患者就诊数据中筛选训练队列，用随机森林模型处理混杂偏差，训练树模型制定治疗方案，再组合成决策管道。在波士顿医疗中心和哈特福德医疗保健的外部数据集上测试，结果显示该管道使患者糖化血红蛋白（HbA1c）降低幅度比医生治疗方案更高。此研究为2型糖尿病治疗提供了可解释且有效的决策流程，有助于优化临床治疗。

9. QSAR-Lit: A No-Code Platform for Predictive QSAR Model Development - From Data Curation to Virtual Screening

期刊: Journal of the Brazilian Chemical Society 链接: https://dx.doi.org/10.21577/0103-5053.20250063 代码: https://github.com/LabMolUFG/QSARlit

简介: 论文介绍了QSAR-Lit这一创新的无代码综合工作流程平台，能从数据整理到虚拟筛选进行定量构效关系（QSAR）模型开发，解决了现有软件在数据准备和建模方面的不足。该平台基于Python的Streamlit框架开发，涵盖数据集整理、QSAR建模和虚拟筛选等功能模块，使用多种算法进行数据处理和模型训练。研究用来自Gene Tox数据库和ChEMBL的数据集进行测试，结果显示生成的模型预测性能良好。QSAR-Lit为药物研发提供了高效易用的工具，推动了相关领域的研究进展。

10. Deep‑ProBind: binding protein prediction with transformer‑based deep learning model

期刊: BMC Bioinformatics 链接: https://doi.org/10.1186/s12859-025-06101-8 代码: https://github.com/salman-khan-mrd/Deep-ProBind

简介: 文章提出Deep-ProBind模型，通过整合序列和结构信息预测蛋白质结合位点，解决传统方法准确性不足的问题。该模型利用Transformer和基于进化的注意力机制编码肽段，用SHAP算法选择特征，再由深度神经网络进行分类。实验使用来自文献的基准数据集，经十折交叉验证，模型在基准数据集上准确率达92.67%，在独立样本上达93.62%，优于现有模型。这表明Deep-ProBind在预测蛋白质结合肽方面可靠性高，为药物研发提供了有力支持。

11. Compositional Flows for 3D Molecule and Synthesis Pathway Co-design

期刊: arxiv 链接: https://arxiv.org/abs/2504.08051v1

简介: 本文提出组合生成流（CGFlow）框架，可在生成组合对象时对连续状态建模，应用于3D分子和合成途径共设计，实现了高结合亲和力和高采样效率。该框架由组合流和状态流交织而成，结合GFlowNets进行采样，并通过特定的训练目标进行优化。在LIT-PCBA和CrossDocked基准测试中，基于CGFlow的3DSynthFlow方法在亲和力、采样效率和合成成功率等方面表现出色。

12. HMAMP: Designing Highly Potent Antimicrobial Peptides Using a Hypervolume-Driven Multiobjective Deep Generative Model

期刊: Journal of Medicinal Chemistry 链接: https://doi.org/10.1021/acs.jmedchem.4c03073 代码: https://github.com/wl-wl/HMAMP-main

简介: 论文提出HMAMP方法，通过多目标优化设计具有理想属性的抗菌肽，解决传统方法在平衡抗菌肽多属性时的不足。该方法融合生成对抗网络和强化学习技术，利用超体积最大化概念训练模型，并通过微调预测模型获取帕累托前沿和膝点。实验使用多个数据库的数据集，对比五种基准方法，结果表明HMAMP生成的抗菌肽多样性和效力更高。该研究为抗菌肽设计提供了有效途径，推动了肽类抗生素的研发。