首页 >> 学术资讯 >>前沿文章 >>生信医药 >> 《Cell》新突破:清华大学与北京大学团队创新推出PocketXMol,原子级统一建模驱动3D分子生成新范式!
详细内容

《Cell》新突破:清华大学与北京大学团队创新推出PocketXMol,原子级统一建模驱动3D分子生成新范式!

本文报道了PocketXMol,一种创新的原子级生成模型,通过统一框架处理多种分子生成任务(如小分子设计、肽对接、结构优化等)。该模型突破传统方法依赖任务特定算法的限制,利用原子级表示和任务提示机制,实现无需微调的多任务适配。研究通过大规模计算基准测试和湿实验验证,证明PocketXMol在13项任务中11项领先,成功设计出具有纳摩尔级亲和力的 caspase-9抑制剂和PD-L1靶向肽,为AI驱动的药物发现提供了新范式。

1772263855195869.png

一、原子级统一生成框架:任务提示与噪声调度协同突破
PocketXMol的核心创新在于构建了原子级的统一生成架构,将不同分子任务(如小分子对接、肽设计、分子优化)抽象为原子类型、坐标和化学键的生成问题。模型采用任务提示(Task Prompt)机制,通过二进制指示符动态控制输入输出要素(如固定蛋白口袋坐标、生成配体原子),替代传统文本描述,实现精准的任务定义。其"通用去噪器"(Universal Denoiser)将异构噪声(如高斯噪声、旋转扰动、分类噪声)映射到统一空间,支持多任务联合训练。如图所示,工作流涵盖数据编码、噪声注入、去噪生成及输出优化四个阶段,通过几何神经网络迭代优化分子结构。

1772263886497053.png

二、多维性能验证:计算基准与实验数据双轨驱动
研究通过13项计算任务和湿实验验证了PocketXMol的卓越性能。在跨数据集测试中(如PDBBind、PepBDB),模型在11项任务中领先基线方法(如AlphaFold 3、DiffLinker)。小分子设计任务中,PocketXMol生成分子的Vina打分优于基线34%,3D有效性达78.5%。肽对接任务中,模型在PepBDB数据集上的DockQ评分达0.58,较RFdiffusion提升22%。这些结果通过严格的统计检验(如Wilcoxon符号秩检验,p<0.01)确认可靠性。

1772263914159041.png

三、生物医学应用拓展:从抑制剂设计到肿瘤靶向疗法
PocketXMol在生物医学场景中展现出转化潜力。在caspase-9抑制剂设计中,模型生成的化合物84663通过SPR验证具备纳摩尔级亲和力(KD=9.53μM),并有效抑制caspase-3活化。在PD-L1靶向肽设计中,筛选出的肽P282在体内外实验中显示高肿瘤靶向性,荧光成像证实其在肺癌小鼠模型中特异性聚集。湿实验通过Western blot、SPR、流式细胞术等多方法验证,确保结果可重复。

1772263935727324.png

总结

PocketXMol通过原子级统一框架,实现了分子生成任务的范式突破。其创新性任务提示与噪声调度机制,兼顾了精度与泛化能力;多维验证证实了其在计算和实验层面的可靠性;生物医学应用则凸显了临床转化潜力。未来工作可扩展至核酸-蛋白互作等复杂体系,进一步推动AI在药物发现中的深度融合。

暂无评论


seo seo