基于扩散模型的分子3D构象生成研究综述.docVIP

基于扩散模型的分子3D构象生成研究综述

扩散模型的理论基础与核心优势

扩散模型的核心思想源自热力学中的扩散过程，通过逐步向数据中添加高斯噪声将原始数据映射为高斯分布，再通过逆扩散过程逐步去除噪声，从随机噪声中恢复原始数据分布。对于分子3D构象生成任务而言，扩散过程可被定义为在T个时间步内，向初始分子构象的原子坐标添加噪声，最终得到服从标准正态分布的噪声构象；逆扩散过程则是训练一个神经网络，学习每个时间步的噪声预测误差，逐步从噪声中还原出合理的分子构象。

相较于传统的构象生成方法，扩散模型具有三大核心优势：首先是分布拟合能力更强，传统的基于距离几何的方法往往依赖预定义的几何约束，难以捕捉复杂分子的构象分布规律，而扩散模型通过对数据分布的显式建模，能够学习到训练集中分子构象的内在分布特征，生成的构象更接近真实的低能态分布。其次是生成灵活性更高，扩散模型支持条件生成，可结合靶点结构、分子属性、反应路径等多种约束条件，生成满足特定需求的分子构象，这一特性在药物分子设计、反应过渡态预测等场景中具有重要应用价值。最后是生成质量更稳定，生成对抗网络（GAN）容易出现模式崩溃问题，变分自编码器（VAE）生成的构象往往存在模糊性，而扩散模型通过多步迭代去噪的机制，能够生成细节更丰富、几何合理性更高的分子构象。

分子3D构象生成的扩散模型架构演进

坐标空间扩散架构

早期的分子扩散模型直接在笛卡尔坐标空