新AI工具可生成数百万种新分子

# 新AI工具可生成数百万个新分子 来源：https://www.thebrighterside.news/post/new-ai-tool-can-generate-millions-of-new-molecules/ 化学家们长期面临一个令人头疼的问题。潜在有用分子的数量如此庞大，以至于人类已知的分子仅仅是可能存在分子中的极小一部分。 西班牙罗维拉·威尔吉利大学（https://diaridigital.urv.cat/en/）的一个研究团队表示，他们构建了一个人工智能系统，能够深入那个未知领域，生成数百万个不在现有数据库中但依然遵循化学规则的分子。这项发表在《自然·机器智能》（https://www.nature.com/articles/s42256-026-01229-5）上的研究，指向了一种探索化学空间的更快方式——这个空间几乎是难以想象的原子组合范围，有朝一日可能催生新药物、新材料、制冷剂或其他化合物。 这个空间的规模之大，很难用言语形容。作者指出，类似药物的分子数量可能约为10^60，远远超过地球海洋中的水分子数量。这使得分子发现更像是在筛选一个宇宙，而不是在图书馆里检索。 这项新工作的核心是一个名为CoCoGraph的模型，其工作方式类似于图像生成AI。它不是从噪声中生成图片，而是通过学习有效分子如何被拆解和重组来生成分子结构。 “我们的算法做的是同样的事情，只不过对象是分子，”URV化学工程系的ICREA研究教授Roger Guimerà在源材料中表示。 化学工程系的Roger Guimerà、Manuel Ruiz-Botella和Marta Sales领导了这项研究。（图片来源：罗维拉·威尔吉利大学） ### 规则优先，发明其次 该项目解决了许多早期分子生成系统的一个核心弱点。过去的各种方法，包括基于变分自编码器、生成对抗网络和图神经网络的模型，虽然推动了该领域的发展，但往往在规模、效率或化学有效性上存在困难。有些模型可以生成看起来很有创意但违反了基本化学规则的结构。 CoCoGraph走了一条不同的路。该团队没有要求模型从头学习那些规则，而是将其中一些规则直接构建到生成过程中。每个原子保持正确的键数，维持化合价，并确保分子式（https://www.thebrighterside.news/post/fungi-proteins-can-make-water-freeze-faster-and-easier/）在整个过程中保持不变。 这种设计选择很重要。这意味着系统生成的每个分子在研究使用的基准测试下都是化学有效的。根据作者的说法，CoCoGraph在保持高度新颖性的同时，达到了100%的化学有效性。 同样来自URV化学工程系的Marta Sales-Pardo简洁地描述了该过程：“我们从真实分子开始，随机断开键并创建新键。模型学习逆转这一过程，重建连贯的结构。” 与图像不同，分子不是平滑的视觉场。它们是由原子和键（https://www.thebrighterside.news/post/pure-hexagonal-diamonds-are-real-and-harder-than-natural-diamonds/）组成的离散结构，这使得相关的数学处理更加困难。为了处理这一点，CoCoGraph使用了一种基于双边缘交换的约束离散扩散过程。实际上，它重复交换键，同时保持分子整体的键合要求。 该系统还包含第二个模型，称为时间模型，用于估计部分重建的图距离真实分子有多接近。这种额外信号帮助主扩散模型决定如何引导去噪过程。 约束协同图扩散模型CoCoGraph。（图片来源：《自然·机器智能》） ### 更小的模型，更强的真实感 研究人员使用GuacaMol基准测试（该领域的标准测试套件）将CoCoGraph与其他六种领先的分子生成器进行了比较。他们针对一个经过筛选的PubChem参考数据库（包含9470万个分子，与训练数据无重叠）评估了所有模型。 测试了两个版本的CoCoGraph。较小的BASE模型总共使用了53.4万个参数，而增强了指纹信息的FPS版本使用了440万个参数。即使较大的版本，其参数数量也少于大多数竞争模型。 尽管设计更轻量，CoCoGraph的表现依然强劲。两个版本均实现了100%的化学有效性，唯一性率分别达到99.8%和99.9%，新颖性达到95.7%。在GuacaMol基准测试中，属性匹配的KL散度得分，BASE模型达到95.7%，FPS版本达到96.3%，超过了团队比较的基线模型。 这一点很重要，因为仅有新颖性是不够的。一个有用的模型应该生成既新颖又合理的分子，其物理化学性质（https://www.thebrighterside.news/post/liquid-metal-nanoparticles-the-future-of-cancer-treatment/）应与真实化学中的性质相似。 作者还将测试范围扩大到基准测试通常的十个属性之外。在36个化学属性中，CoCoGraph在至少66.6%的属性上优于竞争系统。该团队报告称，其在拓扑特征、电子性质和结构描述符方面表现尤为突出，这些特征在药物化学和药物发现中可能很重要。 ### 化学家能分辨出来吗？ 这项研究中最引人注目的部分之一是，研究人员离开自动化基准，请人类专家来评判结果。 他们构建了一个包含820万个合成分子的数据库，冗余率为7.1%。根据报告的新颖率，该数据库包含约730万个新的、独特的、化学有效的分子，这些分子不在PubChem中。 然后他们进行了一场类似于分子图灵测试的实验。共有121名具有有机化学、生物化学及相关领域背景的参与者，观看了20对分子（https://www.thebrighterside.news/post/new-experimental-molecules-encourage-cells-to-work-harder-and-burn-more-calories/）。在每一对中，一个分子来自原始数据集，另一个由CoCoGraph生成。两者具有相同的分子式，迫使参与者根据结构而非大小或组成进行判断。 在2420次评估中，专家正确选出真实分子的比例为62%。本科生参与者的准确率为60%，研究生参与者为64%。 这比随机猜测要好，但好得不多。 对于某些类别，包括无环分子和以脂肪族为主的分子，结果在统计上与随机猜测兼容。作者谨慎地没有声称完全无法区分，但他们认为，结果表明许多生成的分子即使对训练有素的化学家来说也看起来很可信。 ### 迈向定向设计的第一步 目前，CoCoGraph还不能让化学家输入一个需求清单然后得到一个完美的分子（https://www.thebrighterside.news/post/researchers-create-new-molecule-to-insert-dna-into-cells/）作为回报。它还不能直接设计具有特定功能的化合物。 尽管如此，该研究还是包括了一些早期演示，展示了该模型如何变得有用。该团队在其820万个分子的数据库中搜索了物理化学性质与扑热息痛相似的结构，并使用九个关键属性确定了最佳候选分子。他们还测试了一种类似修复（inpainting）的方法，该方法在保持现有分子的一部分不变的同时，添加小或中等片段来创建相关变体。 CoCoGraph FPS生成的50个随机分子。（图片来源：《自然·机器智能》） 这种受控编辑在药物优化中可能很重要，因为研究人员通常希望保留分子骨架，同时调整结构的其他部分。 “目前，我们只是在生成分子，”参与该工作的博士生Manuel Ruiz-Botella在源材料中表示。“下一步将是对这一过程应用特定目标。” 该研究也概述了其局限性。CoCoGraph在生成过程中固定了分子式，这可能会限制某些应用。该模型也是针对最多70个原子的分子开发的，作者指出，将其扩展到更大结构需要重新训练和更多的计算资源。他们还提到了在质谱法（https://www.thebrighterside.news/post/first-confirmed-images-of-microplastics-in-the-brain-possible-link-to-dementia/）和条件分子生成中的未来用途，但这些仍然是后续工作的方向，而非已证实的成果。 ### 研究的实际意义 CoCoGraph的即时价值并非在于它已经交付了一种新药物（https://www.thebrighterside.news/post/new-drug-combination-boosts-life-expectancy-from-grade-3-brain-tumors-by-45-or-more/）或新材料。事实并非如此。它所提供的是一种更高效的方式来搜索一个过于庞大、人类无法手动探索的化学景观。 通过仅生成化学有效的结构，并且使用的参数比许多竞争对手更少，该系统可以降低大规模分子探索的计算成本。其包含820万个分子的数据库也可能为研究人员在药物开发或材料研究中筛选现实候选分子提供了一个起点。 更广泛地说，这项工作表明，化学领域的AI系统可能会得到改进，如果它们不仅仅是模仿已知数据，而是围绕该领域的硬性约束来构建。在这种情况下，化学规则并非事后补充。它们正是模型有效的原因。 --- - AI工具追踪面部衰老，帮助医生评估癌症风险（https://www.thebrighterside.news/post/ai-tool-tracks-facial-aging-and-helps-doctors-gauge-cancer-risk/） - BIOPREVENT AI工具可在症状出现前数月预测严重的移植并发症（https://www.thebrighterside.news/post/bioprevent-ai-tool-predicts-serious-transplant-complications-months-before-symptoms-arise/） - AI工具在哈勃数据中发现数百个隐藏的宇宙奇观（https://www.thebrighterside.news/post/ai-tool-uncovers-hundreds-of-hidden-cosmic-oddities-in-hubble-data/） ---