面向性质预测的多粒度理据引导分子大语言模型

大语言模型（LLM）被广泛应用于化学任务，例如支撑药物发现的分子性质预测。分子LLM通过多种模态表示分子，典型的是一维SMILES序列或二维分子图。两者都隐式编码分子信息，因此单个子结构的贡献仍不透明。检索与增强方法会增加上下文，但来自外部来源。然而，化学家推理所依据的线索是驱动性质升降的内部子结构。我们提出MR-MoL，一种直接提供这种证据的多粒度理据引导分子LLM。微调的GNN通过掩码为每个子结构打分，最具影响力的子结构被序列化为带排序与方向标记的理据，LLM在读取SMILES序列和分子图的同时读取该理据。理据跨越三个粒度层级：带侧链的Murcko骨架、BRICS片段和官能团。据我们所知，这是首个将GNN来源的归因作为性质预测证据暴露给LLM的方法。在八个MoleculeNet任务上，MR-MoL在通用模型中取得最佳总体结果，并缩小了与为每个任务调优的专用模型的差距。五项诊断进一步证实模型确实读取了理据，而不仅是受益于其存在：理据的方向、排序和子结构各自塑造预测，且其归因再现了已知的构效关系。