ECloudGen: Leveraging Electron Clouds as a Latent Variable to Scale Up Structure-based Molecular Design
Notice bibliographique
Résumé
Abstract Structure-based molecule generation represents a significant advancement in AI-aided drug design (AIDD). However, progress in this domain is constrained by the scarcity of structural data on protein-ligand complexes, a challenge we term the Paradox of Sparse Chemical Space Generation. To address this limitation, we propose a novel latent variable approach that bridges the data gap between ligand-only and protein-ligand complexes, enabling the target-aware generative models to explore a broader chemical space and enhancing the quality of molecular generation. Drawing inspiration from quantum molecular simulations, we introduce ECloudGen, a generative model that leverages electron clouds as meaningful latent variables—an innovative integration of physical principles into deep learning frameworks. ECloudGen incorporates modern techniques, including latent diffusion models, Llama architectures, and a newly proposed contrastive learning task, which organizes the chemical space into a structured and highly interpretable latent representation. Benchmark studies demonstrate that ECloudGen outperforms state-of-the-art methods by generating more potent binders with superior physiochemical properties and by covering a significantly broader chemical space. The incorporation of electron clouds as latent variables not only improves generative performance but also introduces model-level interpretability, as illustrated in a case study designing V2R inhibitors. Furthermore, ECloudGen’s structurally ordered modeling of chemical space enables the development of a model-agnostic optimizer, extending its utility to molecular optimization tasks. This capability has been validated through a single-objective oracle benchmark and a complex multi-objective optimization scenario involving the redesign of endogenous BRD4 ligands. In conclusion, ECloudGen effectively addresses the Paradox of Sparse Chemical Space Generation through its integration of theoretical insights, advanced generative techniques, and real-world validation. The newly proposed technique of leveraging physical entities (such as electron clouds) as latent variables within a deep learning framework may prove useful for computational biology fields beyond AIDD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».