分子结构生成：从序列到三维的深度生成模型

目录

• 领域概述
• 发展脉络
  • 序列生成（2016-2018）
  • 图生成（2019-2021）
  • 3D生成（2022-至今）
• 代表性工作解析
• 未来展望

---

领域概述

分子结构生成是利用深度生成模型从头设计具有特定性质的分子结构，是药物设计和材料发现的核心技术。其目标是从巨大的化学空间（估计约$10^{60}$个类药分子）中高效采样出满足特定需求的分子。

为什么需要分子生成？

1. 高通量筛选成本高：传统实验筛选耗时耗力
2. 化学空间巨大：暴力搜索不可行
3. 逆向设计需求：从性质到结构的反向设计

核心任务

任务类型	描述	输入	输出
无条件生成	生成合法分子	随机噪声	分子结构
条件生成	生成满足特定性质的分子	性质条件	分子结构
基于结构的生成	生成与靶蛋白结合的分子	蛋白口袋	配体分子
分子优化	优化已有分子的性质	初始分子	优化分子

分子表示方法

分子生成的关键是选择合适的分子表示：

1D表示：SMILES字符串

CC(=O)OC1=CC=CC=C1C(=O)O  (阿司匹林)

• 优点：可用NLP方法处理
• 缺点：一个分子可能有多种SMILES

2D表示：分子图

$$G = (V, E), \quad V = \{\text{原子}\}, E = \{\text{化学键}\}$$

• 优点：天然保留拓扑信息
• 缺点：丢失3D构象信息

3D表示：三维坐标

$$\{(\mathbf{r}_i, z_i)\}_{i=1}^N$$

• 优点：完整保留空间信息
• 缺点：生成复杂度高

---

发展脉络

序列生成（2016-2018）

2016年：MolVAE 首次将变分自编码器（VAE）应用于分子生成：

• 将SMILES编码为连续隐空间
• 从隐空间采样生成新分子
• 实现了分子的连续表示

2017年：REINVENT 提出基于RNN的强化学习分子生成：

• 用RNN逐字符生成SMILES
• 强化学习引导生成满足性质的分子
• 成功应用于药物设计

2018年：Junction Tree VAE (JT-VAE) 实现图结构直接生成：

• 两阶段生成：子结构树 + 图消息传递
• 保证化学有效性
• 显著提升生成质量

图生成（2019-2021）

2019年：图生成模型蓬勃发展

• GraphVAE：图变分自编码器
• GraphAF：基于流的自回归图生成
• GraphDF：离散流图生成

2020-2021年：

• MolGAN：生成对抗网络分子生成
• GraphEBM：基于能量的图模型
• 自回归图生成的改进方法

3D生成（2022-至今）

2022年：扩散模型成为3D分子生成的主流方法

EDM (Equivariant Diffusion Model)：

$$x_{t-1} = \mu_{\theta}(x_t, t) + \sigma_t \epsilon, \quad \epsilon \sim \mathcal{N}(0, I)$$

关键进展：

• 等变扩散模型
• 几何扩散模型
• 基于结构的药物设计

2023-2025年：

• TargetDiff：靶向分子生成
• DecompDiff：分解先验的扩散模型
• GP-MolFormer：十亿级预训练分子基础模型

---

代表性工作解析

1. Junction Tree VAE (JT-VAE) (2018)

核心思想：
分子图的两阶段生成：

1. 生成子结构树：从隐空间解码出树结构
2. 组装分子图：用图消息传递网络组合子结构

优势：

• 每一步都保证化学有效性
• 处理环状结构
• 比SMILES方法更鲁棒

历史意义：首次直接生成分子图的VAE

2. REINVENT (2018, 2024)

核心框架：

• 生成器：RNN或Transformer生成SMILES
• 强化学习：优化性质目标
• 课程学习：多阶段优化

REINVENT 4 (2024)的新特性：

• Transformer架构
• 强化学习/课程学习联合训练
• 模块化评分系统

应用：已在制药工业中实际应用

3. EDM (Equivariant Diffusion Model) (2022)

核心思想：
在3D坐标空间中进行等变扩散：

前向过程：

$$q(x_t | x_{t-1}) = \mathcal{N}(x_t; \sqrt{\alpha_t} x_{t-1}, (1-\alpha_t) I)$$

反向过程：

$$p_{\theta}(x_{t-1} | x_t) = \mathcal{N}(x_{t-1}; \mu_{\theta}(x_t, t), \sigma_t^2 I)$$

等变性：

$$f(g \cdot x) = \rho(g) f(x), \quad g \in SE(3)$$

优势：

• 保证3D等变性
• 生成质量高
• 可条件生成

4. TargetDiff (2023)

核心创新：
靶向蛋白质口袋的分子生成：

• 编码蛋白质口袋信息
• 等变扩散生成配体
• 预测结合亲和力

应用：基于结构的药物设计

5. GP-MolFormer (2024)

核心思想：
大规模预训练的分子基础模型：

• 11亿SMILES数据预训练
• 线性注意力Transformer
• 参数高效微调

创新点：

• 分子领域的大语言模型范式
• 建立推理计算与新颖性的缩放定律
• 多任务迁移能力

6. GraphAF (2020)

核心思想：
基于流的自回归图生成：

• 自回归地添加原子和边
• 用归一化流建模条件分布
• 结合强化学习优化

优势：

• 灵活的图生成
• 可处理不同大小的分子

---

未来展望

当前挑战

1. 3D构象生成：生成稳定且多样的3D构象
2. 性质优化：同时优化多个分子性质
3. 合成可行性：生成可合成的分子
4. 数据稀缺：高质量标注数据不足

发展方向

1. 基础模型：大规模预训练的通用分子模型
2. 多模态学习：结合文本、图像、分子的多模态模型
3. 可控生成：精确控制生成分子的性质
4. 实验验证：从计算到实验的闭环验证

---

推文列表

编号	推文标题	代表性工作
01	Junction Tree VAE：开创性图生成	Jin et al., 2018
02	REINVENT：强化学习分子生成	Olivecrona et al., 2018
03	EDM：等变扩散3D分子生成	Hoogeboom et al., 2022
04	TargetDiff：靶向分子生成	Guan et al., 2023
05	GP-MolFormer：分子基础模型	Ross et al., 2024
06	图自回归生成：GraphAF	Shi et al., 2020

---

参考文献

1. Jin, W., Barzilay, R. & Jaakkola, T. Junction Tree Variational Autoencoder for Molecular Graph Generation. Proceedings of the 35th International Conference on Machine Learning, 2018, 80, 2323-2332.
2. Olivecrona, M. et al. Molecular de-novo design through deep reinforcement learning. J. Cheminf., 2017, 9, 48.
3. Loeffler, H. H. et al. REINVENT 4: Modern AI-driven generative molecule design. J. Cheminf., 2024, 16, 20.
4. Hoogeboom, E. et al. Equivariant Diffusion for Molecule Generation in 3D. Proceedings of the 39th International Conference on Machine Learning, 2022, 163, 8867-8882.
5. Guan, J. et al. 3D Equivariant Diffusion for Target-Aware Molecule Generation and Affinity Prediction. arXiv:2303.03543, 2023.
6. Ross, J. et al. GP-MolFormer: Towards Building Large Chemical Models for Molecular Generation. arXiv:2405.04912, 2024.
7. Shi, C. et al. GraphAF: a Flow-based Autoregressive Model for Molecular Graph Generation. arXiv:2001.09382, 2020.
8. Gómez-Bombarelli, R. et al. Automatic chemical design using a data-driven continuous representation of molecules. ACS Cent. Sci., 2018, 4, 268-276.