structure-based-drug-design

本综述调查了用于多药理学和多靶点药物设计的几何深度学习(GDL)方法，涵盖了从图神经网络到SE(3)-等变扩散模型等用于捕捉3D分子结构的架构。

本文在3D空间约束下，将通用LLMs与专门的扩散模型进行对比基准测试，以生成结合分子。结果显示，尽管LLMs目前落后于最先进的方法，但它们展现出了潜力。

本文介绍了一种新颖的基于扩散的生成模型，用于基于结构的药物设计。该模型解耦了口袋和配体的表示学习，并融入了多尺度相互作用信号和属性感知优化，以生成具有更强结合亲和力和更优ADMET属性的可开发3D分子。

本文介绍了 PROBE，一个利用 LLM 代理通过在编辑前探测口袋-配体复合物响应来迭代优化基于结构的药物设计中的配体的框架，其在 CrossDocked2020 上取得了最先进的结果。