#分子生成

做药物生成的朋友可以看看这篇：BindMol 把对接分数拆成多个 hotspot 目标来训练强化学习，比传统只优化单一分数的生成方法更能产出多样结合模式的分子，论文在 arXiv 上可读。

训练数据只有 1000 条分子时，把 SMILES 换成随机化 SAFE，新分子产出直接翻 450 倍，还比随机化 SMILES 高 2.8 倍，做药物生成的人可以看看。

对分子生成或图生成感兴趣的人可以看这篇：把动作序列当条件，MOSES 有效率从 92.8% 涨到 99.2%，还有配套交互式讲解页面。

一篇新论文：ADT 用扩散模型来给 3D 分子结构做 token 化，小分子按原子、蛋白按残基编码，重建时还能补回侧链细节，做分子生成方向的朋友可以看看。

把图变成字符串让序列模型来生成，还能保证 100% 结构合法，做分子生成的可以看看这篇。

北大团队推出HGR框架，让分子模型能直接处理环系统等高阶拓扑，生成100%有效分子，性能全面领先。

清华团队提出EGF模型，在分子生成任务上超越现有方法，代码已开源

这篇论文系统测了GPT等LLM在3D分子生成上的表现，发现它们虽不如专用扩散模型，但能同时处理多种约束，值得关注。

SynLaD同时搞定分子设计和合成路线，比以往只顾一头的模型更实用。

做分子生成或药物设计的团队，终于有了一个能判断生成分子质量好坏的信号，建议试试这个后处理方法，能直接提升模型输出质量。