MolWorld：用于可操作分子优化的分子世界模型

arXiv:2605.08954v2 公告类型：替换 摘要：药物发现中的分子优化旨在发现具有更优目标性质的分子，但实际的先导化合物优化通常不仅需要较高的预测得分。一个有用的候选分子还应当具备可操作性：能够通过一系列局部结构修改从已知分子逐步获得，并为在不断演化的化学系列中解释性质变化提供明确的结构参考。现有的从头生成和单分子优化方法并未显式建模这种可达性，尤其是在目标分子以及将其与已知化合物连接起来的中间分子均未知时更是如此。在本研究中，我们将可操作的分子优化表述为分子迁移图的迭代扩展，其中节点表示分子，边编码匹配分子对（MMP）关系，用于表示局部结构差异。我们提出了MolWorld，这是一种由分子世界模型引导的框架，利用连通的局部子图作为图扩展的锚定上下文。给定当前图和候选上下文，潜在分子世界模型将预测所产生的局部结构扩展。随后，受上下文条件控制的生成器利用所选上下文中的分子结构和MMP关系提出候选分子，并从局部图补全任务中进行学习。候选分子经过评估后，通过验证的MMP关系与图相连的候选分子将被纳入图中，从而保持其从初始集合出发的可达性。更新后的图将作为后续优化的状态。在性质优化和基于对接的任务上进行的实验表明，MolWorld能够发现具有优异性质的分子，同时保持更强的结构连通性，从而支持可操作且连续的分子设计。