化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
问题与背景：药物发现中的 pocket-conditioned 分子生成、连接、优化和肽设计往往由不同模型分别处理，任务接口割裂，难以形成统一原子级生成框架。
方法与机制：PocketXMol 使用 atomic prompts 作为任务规格，把与蛋白 pocket 相互作用相关的多类 3D molecular generation 任务统一到一个 atom-level generative AI model 中，并在多个计算 benchmark 上对比大量基线。
为什么重要：论文不仅做模型统一，还展示了 caspase-9 小分子抑制剂和 PD-L1 binding peptides 的实验验证，说明 AI 生成能够连接到真实分子探针和治疗候选物发现流程。
局限：实验验证仍集中在有限靶点，药代、毒性、可合成性和临床转化路径还需要更长链条验证；因此收为突破级。