基于深度生成模型的分子设计研究综述.docVIP

基于深度生成模型的分子设计研究综述

深度生成模型在分子设计中的基础理论框架

分子设计的核心目标是在庞大的化学空间中定向筛选或生成满足特定属性要求的分子，传统基于虚拟筛选的方法受限于已有分子库规模，仅能覆盖化学空间中极小的一部分。深度生成模型通过学习现有分子的结构-属性分布规律，能够直接生成全新的化学结构，为突破传统分子设计的效率瓶颈提供了新范式。目前主流的分子生成模型可分为三大类：基于自回归的序列生成模型、基于图结构的生成模型以及基于隐空间的生成模型。

自回归序列生成模型以SMILES字符串作为分子的表示形式，借鉴自然语言处理中的序列建模思路，通过逐个生成字符的方式构造完整的分子SMILES序列。早期代表性工作是2016年提出的REINVENT模型，该模型采用循环神经网络（RNN）作为骨干架构，在ChEMBL数据集上预训练后能够生成符合化学语法规则的SMILES字符串，后续研究者进一步引入注意力机制提升长序列生成的稳定性，使得生成的分子合法率从最初的60%左右提升至95%以上。这类模型的优势在于训练简单、生成速度快，能够兼容现有的所有字符串处理技术，但其天生的缺陷在于SMILES字符串的单字符修改可能导致整体化学结构发生剧烈变化，模型难以精确控制生成分子的局部结构特征。

基于图结构的生成模型将分子视为由原子（节点）和化学键（边）构成的图数据，直接在图空间中进行生成操作，更符合分子的