ChatMol: A Versatile Molecule Designer Based on the Numerically Enhanced Large Language Model

摘要

面向目标的全新分子设计，即生成具有特定性质或子结构约束的分子，是药物发现中一项至关重要但极具挑战性的任务。现有的方法，如贝叶斯优化和强化学习，通常需要训练多个性质预测器，并且在纳入子结构约束方面存在困难。受大语言模型（LLMs）在文本生成领域成功的启发，我们提出了ChatMol，这是一种新颖的方法，利用大语言模型在多种约束条件下进行分子设计。首先，我们构建了一种与大语言模型兼容的分子表示形式，并在多个在线大语言模型上验证了其有效性。随后，我们针对各种受约束的分子生成任务开发了特定的提示词，以进一步微调当前的大语言模型，同时整合从性质预测中获得的反馈学习。最后，为了解决大语言模型在数值识别方面的局限性，我们参考位置编码方法，在提示词中对数值进行额外编码。在单性质、子结构 - 性质和多性质约束任务上的实验结果表明，ChatMol始终优于包括基于变分自编码器（VAE）和强化学习的方法在内的最先进基线模型。值得注意的是，在多目标结合亲和力最大化任务中，ChatMol针对蛋白质靶点ESR1实现了显著更低的KD值0.25，同时保持了最高的整体性能，比先前的方法提高了4.76%。此外，通过数值增强，指定的性质值与生成分子的性质值之间的皮尔逊相关系数提高了0.49。这些发现凸显了大语言模型作为通用分子生成框架的潜力，为基于传统潜在空间和强化学习的方法提供了有前景的替代方案。

引言

探索小分子的化学空间以发现新药和新材料，是药理学和人工智能辅助科学研究中的关键问题。