Sesame：通过空间密度图调节生成结构感知分子

药物设计的生成分子模型是一个有前途的方向，有很多活跃的研究。在计算药物设计的下一阶段，此类模型将需要了解小分子结构和蛋白质-配体相互作用，并且它们将需要拥有从头生成分子的机制。整合每个功能都构成了严峻的挑战。同样重要但通常被视为次要的，是从部分起点（化学家提供的支架或片段）生长分子的能力，这是先导化合物优化的核心操作。我们提出了 Sesame（用于结构感知分子引擎的空间进化器），这是一种基于扩散的分子生成模型，利用新颖的空间配对模块来调节部分分子结构和周围的蛋白质口袋，两者都表示为连续的空间密度图。这种单一的调节机制支持从头生成和片段调节先导化合物优化，让药物化学家修剪对支架的打击，并让 Sesame 以高效的方式生长它。除了这个模块之外，我们还引入了一个用于原子类型、键类型和位置联合去噪的扩散框架，以及一个轨迹微调方案，该方案在模型自身的采样卷轴上进行训练，以提高生成质量。 Sesame 在大量仅配体和蛋白质配体数据集上进行了训练。