MolE-RAG：化学的分子结构增强检索增强生成

大语言模型 (LLM) 在分子特性预测方面表现出了希望，但它们推理化学结构的能力仍然有限，因为 SMILES 等分子表示与 LLM 主要训练的自然语言有很大不同。为了弥合这种语义和化学知识差距，我们提出了 MolE-RAG，这是一种以分子为中心的检索增强生成框架 无需训练，用于基于 LLM 的分子属性预测。 MolE-RAG 通过推理时间上下文的三个互补来源增强每个预测：检索到的化学文献、分子特定信息（包括化合物同义词、标识符、官能团注释和物理化学描述符）以及从训练集中检索到的结构相似的分子。我们使用专有的、化学专业的和开源的 LLM 在九个分子特性预测任务中评估 MolE-RAG。在通用 LLM 中，相对于仅 SMILES 的基线，MolE-RAG 在分类任务上将 ROC-AUC 提高了高达 28 个百分点，并将回归 RMSE 降低了高达 67%。我们进一步发现，每个上下文源的效用因模型和任务而异，不同的模型从文本检索、分子上下文或结构检索中受益最多。这些结果表明，以分子为中心的检索可以改进基于 LLM 的分子属性预测，而无需模型 微调，同时为在推理时集成异构化学知识提供灵活的框架。