浙大/华为团队｜3DSMILES-GPT：基于词元化语言模型的3D分子生成

智药邦 · 公众号 · · 2025-01-13 08:00

正文

分子生成是药物先导物发现和优化领域的一项重要创新技术，但当前这类方法在生成分子的有效性、结构合理性和合成可行性等多属性优化方面存在挑战，精度和效率往往难以两全。

2024年12月4日，浙江大学药学院康玉副教授、侯廷军教授和谢昌谕教授以及华为刘力维研究员团队在分子生成领域取得突破，成功研发了一种全新的基于纯语言模型的分子生成框架：3DSMILES-GPT 。这一框架通过将分子的二维和三维结构视为语言表达，在语言模型的帮助下，实现了药物分子的高效生成。

相关成果以 “3DSMILES-GPT: 3D Molecular Pocket-based Generation with Token-only Large Language Model为题发表在Chemical Science上，并入选为2024 Chemical Science HOT Article Collection。

3DSMILES-GPT方法通过在大型药物样分子数据集上预训练模型，使其能够在保证结构合理性的前提下，快速生成具有良好成药性的分子。模型以Transformer解码器为骨架，通过将生成二维和三维结构的任务构建为自然语言生成的问题，将原子2D结构和3D坐标编码为字符，从而有效捕获分子的2D和3D信息。模型首先在PubChem数据集上进行预训练，然后在特定蛋白质-配体数据集上进行微调。此外，为了更好地提取蛋白质口袋信息，3DSMILES-GPT引入了一个可拆卸蛋白质编码器。