arXiv cs.AI· Dingshuo Chen, Hao Yang, Kuangqi Zhou, Zhixun Li, Qiang Liu, Xiangxiang Zeng, Shu Wu, Yaosen Min·· 1 天前AI 评分31
BindMol：基于热点感知与探索性偏好的多目标药物发现框架
Binding Mode Matters: Hotspot-Aware Drug Discovery via Explorative Preferences
AI 导读
BindMol 是一个由定制多目标强化学习驱动的生成框架，将基于靶点的药物设计重构为多目标探索任务，每个目标显式对应增强与特定热点的相互作用。实验显示该框架能发现兼具结构新颖性与多样结合模式的高亲和力化合物，并在基于靶点的药物发现与多属性优化任务上得到验证。该工作将发表于 NeurIPS 2026。
正文 · AI 翻译
摘要：发现苗头分子不仅需要高结合亲和力，还需要识别多样化的结合模式，这对实验测定至关重要。现有的生成方法主要依赖于优化单一标量对接分数，从而掩盖了关键结合决定因素各自不同的贡献。为此，我们提出一种范式转变，将基于靶点的药物设计表述为多目标探索任务，其中每个目标都明确对应于增强与特定热点区域的相互作用。在此，我们提出 BindMol，一种由定制多目标强化学习算法驱动的新型生成框架。通过在训练中引入探索性偏好，我们的方法能够高效地发现具有多样且理想结合特征的分子。实证结果表明，BindMol 有助于发现兼具结构新颖性和多样化结合模式的高亲和力化合物。在基于靶点的药物发现和多性质优化任务中的验证表明，我们的方法为目标导向的药物发现提供了一种通用范式。
| 评论： | 将于 NeurIPS 2026 发表，共 26 页 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.14956 [cs.LG] |
| （或 arXiv:2611.14956v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.14956 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Dingshuo Chen [查看邮箱]
[v1]
2026年11月11日 星期三 03:03:08 UTC（25,321 KB）
来源：arXiv cs.AI · arxiv.org