A Collaborative Framework Integrating Large Language Model and Chemical Fragment Space: Mutual Inspiration for Lead Design

📄 arXiv: 2507.13580v2 📥 PDF

作者: Hao Tuo, Yan Li, Xuanning Hu, Haishi Zhao, Xueyan Liu, Bo Yang

分类: q-bio.BM, cs.LG

发布日期: 2025-07-17 (更新: 2025-07-22)

💡 一句话要点

提出AutoLeadDesign框架，融合大语言模型与化学片段空间，用于先导化合物设计。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 药物设计 先导化合物 大语言模型 化学片段 组合优化 PRMT5 SARS-CoV-2 PLpro

📋 核心要点

  1. 现有计算机辅助药物设计方法在整合领域知识方面存在不足，难以发现具有新颖结合模式的先导化合物。
  2. AutoLeadDesign框架融合大语言模型和化学片段空间，逐步探索化学空间，实现高效的先导化合物设计。
  3. 实验结果表明，AutoLeadDesign优于现有方法，并在针对PRMT5和SARS-CoV-2 PLpro的先导设计中达到专家级水平。

📝 摘要（中文）

计算机辅助药物设计中，组合优化算法通过逐步探索化学空间来设计与靶蛋白具有高亲和力的先导化合物至关重要。然而，现有方法在整合领域知识方面面临固有挑战，限制了其识别具有新颖且有效结合模式的先导化合物的性能。本文提出AutoLeadDesign，一种先导化合物设计框架，它利用化学片段激发大语言模型中编码的广泛领域知识，以逐步实现对广阔化学空间的有效探索。综合实验表明，AutoLeadDesign优于基线方法。值得注意的是，针对两个临床相关靶点（PRMT5和SARS-CoV-2 PLpro）的经验性先导设计活动证明了AutoLeadDesign在从头生成先导化合物方面的能力，达到了专家级别的设计效率。结构分析进一步证实了其机制验证的抑制模式。通过追踪设计过程，我们发现AutoLeadDesign与传统上依赖专家决策的基于片段的药物设计具有类似的机制，进一步揭示了其有效性的原因。总而言之，AutoLeadDesign为先导化合物设计提供了一种有效的方法，表明其在药物设计中的潜在效用。

🔬 方法详解

问题定义：论文旨在解决计算机辅助药物设计中，现有方法难以有效整合领域知识，从而限制了发现具有新颖且有效结合模式的先导化合物的问题。现有方法通常依赖于组合优化算法，但缺乏对化学空间的高效探索能力，以及对领域知识的有效利用。

核心思路：论文的核心思路是将大语言模型（LLM）中蕴含的丰富领域知识与化学片段空间相结合，通过化学片段来激发LLM的领域知识，从而引导先导化合物的设计过程。这种方法模拟了基于片段的药物设计（FBDD）中专家决策的过程，旨在实现更高效、更具创新性的先导化合物设计。

技术框架：AutoLeadDesign框架包含以下主要模块：1) 化学片段数据库：用于提供构建先导化合物的基本单元。2) 大语言模型：用于编码和利用领域知识，指导片段的选择和连接。3) 组合优化算法：用于逐步探索化学空间，生成具有潜在活性的先导化合物。4) 评估函数：用于评估生成的先导化合物与靶蛋白的结合亲和力。整个流程通过迭代优化，逐步生成高质量的先导化合物。

关键创新：该论文的关键创新在于将大语言模型与化学片段空间相结合，利用LLM的领域知识来指导先导化合物的设计。与传统的基于规则或基于结构的药物设计方法相比，AutoLeadDesign能够更好地整合领域知识，并生成具有新颖结合模式的先导化合物。此外，该方法模拟了FBDD的专家决策过程，使其更具解释性和可控性。

关键设计：论文中可能涉及的关键设计包括：1) 如何选择合适的化学片段数据库。2) 如何训练或微调大语言模型，使其能够更好地理解和利用化学领域知识。3) 如何设计组合优化算法，以高效地探索化学空间。4) 如何设计评估函数，以准确评估先导化合物与靶蛋白的结合亲和力。具体的参数设置、损失函数、网络结构等技术细节需要在论文中进一步查找。

📊 实验亮点

实验结果表明，AutoLeadDesign在先导化合物设计方面优于基线方法。针对PRMT5和SARS-CoV-2 PLpro两个临床相关靶点的实验表明，AutoLeadDesign能够生成具有专家级设计效率的先导化合物。结构分析证实了这些化合物具有机制验证的抑制模式。这些结果表明AutoLeadDesign在实际药物设计中具有很高的应用价值。

🎯 应用场景

AutoLeadDesign具有广泛的应用前景，可用于加速新药发现过程，降低研发成本。该框架可应用于各种靶点的先导化合物设计，尤其是在缺乏已知配体或需要设计具有新颖结合模式的化合物时。此外，该方法还可以用于优化现有药物的结构，提高其疗效和安全性。未来，AutoLeadDesign有望成为药物设计领域的重要工具。

📄 摘要（原文）

Combinatorial optimization algorithm is essential in computer-aided drug design by progressively exploring chemical space to design lead compounds with high affinity to target protein. However current methods face inherent challenges in integrating domain knowledge, limiting their performance in identifying lead compounds with novel and valid binding mode. Here, we propose AutoLeadDesign, a lead compounds design framework that inspires extensive domain knowledge encoded in large language models with chemical fragments to progressively implement efficient exploration of vast chemical space. The comprehensive experiments indicate that AutoLeadDesign outperforms baseline methods. Significantly, empirical lead design campaigns targeting two clinically relevant targets (PRMT5 and SARS-CoV-2 PLpro) demonstrate AutoLeadDesign's competence in de novo generation of lead compounds achieving expert-competitive design efficacy. Structural analysis further confirms their mechanism-validated inhibitory patterns. By tracing the process of design, we find that AutoLeadDesign shares analogous mechanisms with fragment-based drug design which traditionally rely on the expert decision-making, further revealing why it works. Overall, AutoLeadDesign offers an efficient approach for lead compounds design, suggesting its potential utility in drug design.