arXiv cs.AI· Yuxuan Ren, Jiatong Li, Ziqiao Meng, Yatao Bian·· 3 天前AI 评分22
STAMP：面向片段级学习与编辑的拓扑感知分子语言
STAMP as a topology-aware molecular language for fragment-level learning and editing
AI 导读
STAMP（Sequential Tree Attachment-based Motif-Preserving representation）是一种拓扑感知分子语言，将 motif 身份、连接位点与树拓扑分开编码，使片段可跨上下文复用、子树可直接访问。
正文 · AI 翻译
摘要：分子片段提供了具有化学意义的单元，但现有的分子语言很少将其位置和连接关系显式化以便编辑。在此，我们提出 STAMP（Sequential Tree Attachment-based Motif-Preserving representation，基于顺序树附加的基序保留表示），一种拓扑感知的分子语言，将片段级表示学习与精确的结构编辑连接起来。STAMP 分别编码基序身份、连接位点和树拓扑，使片段可在不同上下文中复用，子树可直接访问。学习到的表示能够捕捉基序相似性和反复出现的转化，并在 30 个靶标中的 23 个上相比匹配的 SMILES 编码器降低了活性悬崖预测误差。兼容的子树操作支持保持骨架的优化，在 23 个基准目标中的 15 个上位列六种方法之首。确定性编译器使冻结的语言模型能够作用于索引片段，在分子编辑、优化、转化迁移和变化识别方面相比普通 SMILES 提升了 9 至 56 个百分点。总之，这些结果建立了一种可执行的分子语言，其中学习到的化学单元在设计过程中保持可直接操作。
| 学科： | 定量方法（q-bio.QM）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.18438 [q-bio.QM] |
| （或使用 arXiv:2610.18438v1 [q-bio.QM] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.18438 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yuxuan Ren [查看邮箱]
[v1]
2026年10月13日星期二 14:13:38 UTC（1,150 KB）
来源：arXiv cs.AI · arxiv.org