MFG：多轮反馈引导的分子优化

多目标分子优化是药物发现中的关键过程，旨在修改给定分子，在保持整体结构相似的同时，同时改善多个性质。该过程通常需要在计算或实验反馈的指导下进行迭代式修改。近期，基于大语言模型（LLM）的方法开始探索这种迭代式方法；然而，这些方法并未经过专门训练以利用此类反馈，而现有方法主要聚焦于单轮分子优化。为弥补这一空白，我们提出了多轮反馈引导（MFG）分子优化，这是一种强化学习框架，用于训练LLM利用前几轮的反馈逐步优化分子。MFG引入了一个反馈向量，同时捕捉性质改进和与源分子的相似度，并结合反馈对齐的奖励函数，促进跨轮次的逐步改进。我们在用于多目标分子优化的先进LLM模型$\text{GeLLM}^{3}\text{O}$上应用MFG，并在十项多目标分子优化任务上评估$\text{GeLLM}^{3}\text{O-MFG}$。结果表明，$\text{GeLLM}^{3}\text{O-MFG}$取得了最高的平均相似度约束成功率（$81.50%$），优于基础模型$\text{GeLLM}^{3}\text{O}$（$70.81%$）。