AIDD·Atlas AI 制药学习地图
162

扩散模型在药物设计中:从去噪生成到可验证假设

扩散模型适合生成 3D 构象、结合姿势、分子和蛋白骨架。它的优势是空间生成,风险是训练分布、采样成本和物理/合成验证不足。

扩散模型通过逐步加噪和去噪学习生成数据分布。它在图像生成中出名,在药物设计中则主要进入 3D 构象、对接姿势、口袋条件分子生成和蛋白骨架设计。

典型应用

  • 构象/3D 分子生成:生成满足几何和化学约束的空间结构。
  • 对接:DiffDock 在平移、旋转和扭转自由度上生成结合姿势。
  • 蛋白设计:RFdiffusion 生成蛋白骨架和 binder 设计候选。
  • 口袋条件生成:按口袋几何和相互作用约束提出小分子。

边界

  • 生成结构可能看起来合理,但仍需化学价态、构象能、穿模、合成和实验检查。
  • 采样成本和后处理成本可能高于 SMILES 模型。
  • 对训练分布外靶点、非典型配体、金属/共价体系要谨慎。

关键要点

  • 扩散模型强在 3D/结构生成;
  • 生成结果必须过物理、化学、合成和实验验证;
  • 它适合提出假设,不是自动给药物答案。

延伸资源

  • 配套:101《DiffDock》、151《RFdiffusion》。