AI+Drug 文献速递 | MFERL：基于多尺度特征学习的 circRNA-miRNA 相互作用预测新方法

1. Leveraging explainable multi-scale features for fine-grained circRNA-miRNA interaction prediction

期刊: BMC Biology 链接: https://doi.org/10.1186/s12915-025-02227-6 代码: https://doi.org/10.5281/zenodo.15265950 https://github.com/biohnuster/MFERL

简介: 该论文提出一种新方法MFERL，通过多尺度表示学习和可解释的细粒度模型预测circRNA-miRNA相互作用，改善了现有方法在特征信息考虑不足、信息聚合等方面的问题。MFERL从不同细粒度序列维度提取RNA多特征表示，进行同质信息聚合和异质信息交互学习，并利用对比学习优化特征向量。研究使用三个数据集进行实验，将已知的circRNA-miRNA相互作用作为正样本，未验证的作为负样本，通过5折交叉验证评估模型性能。结果显示，MFERL在多个评估指标上优于其他先进模型，具有较强的泛化能力和可解释性。该研究为circRNA-miRNA相互作用预测提供了新方向。

2. Aitomia: Your Intelligent Assistant for AI-Driven Atomistic and Quantum Chemical Simulations

期刊: ChemRxiv 链接: https://doi.org/10.26434/chemrxiv-2025-gnf13

简介: 论文介绍了Aitomia平台，它借助AI助力原子和量子化学模拟，降低模拟门槛，加速相关领域研究。Aitomia利用微调的开源大语言模型、基于规则的智能体和检索增强生成系统，为用户提供模拟各阶段的帮助。在方法上，选择Qwen和蒸馏的DeepSeek模型并进行微调，利用MLatom生态系统支持多种计算任务。研究通过实例测试Aitomia在提供背景信息、协助计算工作流程等方面的能力。结果表明，Aitomia能较好地回答专业问题、辅助分子几何优化等任务，且在部分功能上已公开可用。Aitomia为化学模拟研究提供了便利的智能辅助工具。

3. A Survey of Molecular Representation Learning: From Single Modalities to Foundation Models

期刊: ChemRxiv 链接: https://doi.org/10.26434/chemrxiv-2025-vxsvs

简介: 该综述全面介绍分子表示学习（MRL），从单模态到多模态，再到化学基础模型，阐述其发展历程与研究进展。MRL旨在用机器学习表示替代传统手工分子描述符，通过数据预处理、编码、学习等流程完成任务。单模态方法包括基于字符串、图和图像的表示学习，各有优劣；多模态方法则通过对齐、翻译和融合策略整合多种数据模态，提升模型性能。化学基础模型是新趋势，需满足数据多样、自监督学习、高容量和多模态集成等标准。文中列举了多个相关模型及其实验成果。该综述为MRL研究提供了系统的参考，明确了未来发展方向。

4. Piloting Structure-Based Drug Design via Modality-Specific Optimal Schedule

期刊: arxiv 链接: https://arxiv.org/abs/2505.07286v1

简介: 该论文提出基于变分下界最优调度（VOS）的方法用于基于结构的药物设计（SBDD），解决现有模型在分子几何结构建模中的挑战，通过优化变分下界提升模型性能。研究建立理论联系，将噪声调度与变分下界关联，设计空间并搜索最优调度。实验采用CrossDock和PoseBusters数据集，对比多种基线模型。结果显示，该方法在分子几何结构和相互作用建模上效果显著，MolPilot在CrossDock上PoseBusters通过率达95.9% ，优于基线模型。该研究为SBDD提供了新的有效方法，推动药物发现领域的发展。

5. Benchmarking Retrieval-Augmented Generation for Chemistry

期刊: arxiv 链接: https://arxiv.org/abs/2505.07671v1 代码: https://chemrag.github.io

简介: 论文提出CHEMRAG-BENCH和CHEMRAG-TOOLKIT，用于系统评估化学领域检索增强生成（RAG）系统，解决该领域缺乏高质量评估基准和资源的问题。CHEMRAG-BENCH包含1932个专家策划的问答对，CHEMRAG-TOOLKIT集成多种检索算法和大语言模型。实验使用多个数据集，涵盖多种化学任务。结果表明，RAG能显著提升模型性能，平均相对改进17.4%，不同任务对语料库和检索器有不同偏好。该研究为化学领域RAG系统的研究和部署提供了重要参考。

6. Assessing the Chemical Intelligence of Large Language Models

期刊: arxiv 链接: https://arxiv.org/abs/2505.07735v1 代码: https://github.com/oxpig/ChemIQ

简介: 文章构建了ChemIQ基准测试，评估推理模型在化学任务上的能力，发现最新推理模型具备直接解决高级化学问题的能力。研究设计796个问题，涵盖分子理解和化学推理等任务，以o3-mini等模型为对象进行实验。结果显示，o3-mini在不同推理水平下能正确回答28%-59%的问题，在多个任务上表现出色，如将SMILES字符串转换为IUPAC名称、解析NMR数据等，且推理过程类似人类化学家。该研究表明推理模型在化学领域取得重要进展，但仍有提升空间。

7. Causal knowledge graph analysis identifies adverse drug effects

期刊: arxiv 链接: https://arxiv.org/abs/2505.06949v1 代码: https://github.com/bio-ontology-research-group/Mediation-Analysis-using-Causal-Knowledge-Graph

简介: 该论文提出因果知识图谱（CKG），将知识图谱与结构因果模型相结合，用于识别药物不良反应，解决了传统方法在整合知识和因果推理方面的不足。研究构建了药物-疾病CKG，整合多种数据，通过生成假设、样本选择、控制混杂因素等步骤进行因果中介分析。实验使用UK Biobank和MIMIC-IV队列数据，结果表明该方法能有效识别已知和新的药物不良反应，且通过副作用相似性分析验证了新发现的临床相关性。该研究为药物安全监测提供了新的知识驱动框架，有助于发现潜在的药物不良反应。

8. Multi-Objective-Guided Discrete Flow Matching for Controllable Biological Sequence Design

期刊: arxiv 链接: https://arxiv.org/abs/2505.07086v1 代码: https://huggingface.co/ChatterjeeLab/MOG-DFM

简介: 文章提出多目标引导离散流匹配（MOG-DFM）框架，用于可控的生物序列设计，解决现有方法在多目标优化方面的局限。该框架通过多目标引导和自适应超锥过滤，引导预训练的离散流匹配模型生成帕累托最优解。研究训练了PepDFM和EnhancerDFM两个基础模型，并在多个生物序列生成任务中进行实验。结果显示，MOG-DFM在平衡多个目标方面表现出色，生成的肽结合剂和增强子DNA序列在多种属性上得到优化，且优于传统多目标优化算法。该研究为生物分子序列设计提供了有效的多目标优化方法。

9. TurbOmics: a web-based platform for the analysis of metabolomics data using a multi-omics integrative approach

期刊: biorxiv 链接: https://doi.org/10.1101/2025.05.09.653072 代码: https://github.com/CNIC-Proteomics/TurboPutative-web https://github.com/CNIC-Proteomics/TurboOmics

简介: 论文介绍了TurbOmics平台，这是一个基于网络的多组学整合分析代谢组学数据的平台，旨在解决现有工具在处理代谢组学数据时的不足。该平台支持多种组学数据上传与预处理，提供探索性数据分析、多组学因子分析等功能模块。在动脉粥样硬化和COVID-19研究的案例中，分别使用相关的组学数据集进行分析。结果表明，TurbOmics能有效整合和分析数据，挖掘潜在生物信息，且操作简便。该平台为多组学研究提供了便利的工具，推动了代谢组学数据的分析。

10. GeoFlow-V2: A Unified Atomic Diffusion Model for Protein Structure Prediction and De Novo Design

期刊: biorxiv 链接: https://doi.org/10.1101/2025.05.06.652551

简介: 论文提出GeoFlow-V2统一原子扩散模型，可跨多种生物模态进行蛋白质结构预测和从头设计，创新地统一架构，支持多种约束，性能优异且易用。该模型基于AlphaFold 3架构改进，引入伪蛋白序列等创新点，能处理不同输入状态。实验在多个任务中展开，使用多种数据集。在抗体-抗原结构预测中，其在低同源数据集上超越其他方法；在蛋白质-配体结构预测中，成功率达77%；设计的轻量版模型在抗体结构预测上比AlphaFold Multimer V2.3快150-250倍且精度相当。在从头抗体设计方面，也表现出良好的结构生成、区分结合物和虚拟筛选能力。该研究为蛋白质结构研究和设计提供了新的有效工具。

11. LLM-Augmented Chemical Synthesis and Design Decision Programs

期刊: arxiv 链接: https://arxiv.org/abs/2505.07027v1

简介: 文章探索大语言模型（LLMs）在化学合成和设计决策中的应用，提出新的编码和搜索策略，改进传统方法局限。研究将LLMs用于逆合成规划和可合成分子设计，提出用序列格式表示反应路线，以LLMs作为单步预测模型或合成路径采样器，并引入进化搜索算法。实验使用USPTO和Pistachio等数据集，对比多种传统模型。结果显示，LLM-Syn-Planner在逆合成规划任务中表现出色，能达到甚至超越一些单步模型引导的搜索；在可合成分子设计中，该方法平衡了优化效率和可合成性。研究表明LLMs在化学合成和设计决策中有应用潜力，为相关领域提供了新的研究思路。

12. Bridging 3D Molecular Structures and Artificial Intelligence by a Conformation Description Language

期刊: biorxiv 链接: https://doi.org/10.1101/2025.05.07.652440

简介: 论文提出ConfSeq分子构象描述语言，解决化学语言模型在3D分子建模中的难题，实现从2D到3D分子建模的拓展。该语言整合SMILES和内部坐标，保持SE(3)不变性，将3D分子建模任务转化为序列问题，使用标准Transformer架构求解。实验采用多个数据集，在分子构象预测、3D分子生成和3D分子表示学习等任务中评估。结果表明，在构象预测上，其精度优于基线方法；在3D分子生成任务中，生成的分子在2D和3D评估中有效性高，与训练集一致性好；在表示学习任务中，能有效捕捉分子3D相似性，虚拟筛选性能出色。该研究为3D分子建模提供了新的基础工具。

13. Optimizing Blood-Brain Barrier Permeability in KRAS Inhibitors: A Structure-Constrained Molecular Generation Approach

期刊: Journal of Pharmaceutical Analysis 链接: https://doi.org/10.1016/j.jpha.2025.101337 代码: https://github.com/myzhengSIMM/BBBP-KRAS

简介: 该研究提出一种结构约束分子生成工作流程，用于优化KRAS抑制剂的血脑屏障（BBB）通透性，创新点在于结合变分自动编码器（VAE）与强化学习进行多目标优化，并引入新指标评估模型性能。研究运用对比学习预训练VAE编码器，利用基于主动学习的BBB通透性预测模型、基于比较学习的亲和力预测模型等进行多目标优化。实验使用ChEMBL数据库中的2126个KRAS活性分子、1937个BBB通透性相关分子等多个数据集。结果显示，该模型在多样性、新颖性和相似性等指标上优于其他模型，能有效优化BBB通透性和KRAS结合亲和力。该研究为加速先导化合物结构优化、推进药物研发提供了有力框架。

14. Learning Biophysical Dynamics with Protein Language Models

期刊: bioRxiv 链接: https://doi.org/10.1101/2024.10.11.617911 代码: https://github.com/ShenLab/SeqDance 数据: https://huggingface.co/datasets/ChaoHou/protein_dynamic_properties

简介: 论文提出SeqDance和ESMDance两种蛋白质语言模型，通过整合蛋白质动力学属性，在预测蛋白质行为和突变效应上取得进展，创新地将分子动力学模拟和正常模式分析数据融入模型训练。研究收集高、低分辨率蛋白质动力学数据，提取相关属性后，分别对SeqDance（从头训练）和ESMDance（基于ESM2构建）进行预训练。实验使用来自mdCATH、ATLAS等多个数据源的蛋白质动态数据集。结果表明，SeqDance能捕捉动态相互作用和全局构象属性，预测突变对蛋白质稳定性的影响；ESMDance在预测设计和病毒蛋白的突变效应上表现出色。该研究为理解蛋白质行为和突变效应提供新视角，助力计算蛋白质设计与研究。

15. Accelerating Antibody Discovery and Optimization with High‑throughput Experimentation and Machine Learning

期刊: Journal of Biomedical Science 链接: https://doi.org/10.1186/s12929-025-01141-x

简介: 本文聚焦于高通量实验和机器学习整合加速抗体发现与优化，利用大量抗体数据训练模型以实现理性设计，突破传统抗体开发局限。研究采用多种高通量实验技术获取数据，如新一代测序、展示技术等，结合从序列和结构中提取特征的方法，训练机器学习模型。实验使用多种技术手段对不同抗体库进行筛选、分析和验证，涉及的数据集涵盖多种抗体序列、结构及结合测定数据。结果表明，该整合方法在亲和力成熟、优化抗体特异性、稳定性等方面效果显著。总之，该研究推动了数据驱动的抗体工程发展，为抗体药物研发提供了高效框架。

16. Integrating Machine Learning-Based Pose Sampling with Established Scoring Functions for Virtual Screening

期刊: Journal of Chemical Information and Modeling 链接: https://doi.org/10.1021/acs.jcim.5c00380 代码: https://github.com/lan-codes/Benchmark_VS

简介: 该论文探索将基于机器学习的DiffDock-L构象采样方法与传统评分函数结合用于虚拟筛选，评估其性能并与传统方法对比。研究以DUDE-Z为基准数据集，分别用DiffDock-L和AutoDock Vina进行构象采样，结合Vina、Gnina和RTMScore评分函数，通过计算AUC、BEDROC分数和EF1%等指标评估虚拟筛选性能，还用PoseBusters和PLIF分析构象的有效性和相互作用模式。实验结果显示，DiffDock-L在虚拟筛选性能和构象采样方面与传统方法相当，评分函数对筛选成功影响重大。该研究为虚拟筛选提供了新的方法组合和思路。