从具有结构保留的细胞表型中学习分子表示

摘要

arXiv:2608.02688v1 Announce Type: new Abstract: Phenotypic drug discovery enables the discovery of functional relationships between molecular structures and cellular responses. However, existing multi...

molecular and cellular PhenMol phenotype discovery the multimodal representation learning

2026-08-05 1 阅读约1分钟阅读 Xuan Lin, Jingyu Sheng, Tengfei Ma, Li Sun, Dapeng Xiong

arXiv:2608.02688v1 公告类型：新摘要：表型药物发现能够发现分子结构和细胞反应之间的功能关系。然而，现有的多模态表示学习方法通常在不考虑化学空间的内在组织的情况下优化跨模态对齐，导致分子表示扭曲和结构信息丢失。我们提出了 \textbf{PhenMol}，一种用于表型感知分子表示学习的结构保留框架。 PhenMol 将分子和细胞表征分解为共享和私有组件，实现表型引导的比对，同时通过专用分子分支保留化学结构。该设计整合了细胞表型信息，而不破坏分子邻域组织。对大约 3.04 × 10^{4}$ 分子-细胞形态对的实验表明，PhenMol 改进了 270 个生物活性任务的分子特性预测、分子-表型检索和临床试验结果预测。此外，基于 ECFP4 的结构分析表明，与现有的多模态比对方法相比，PhenMol 更好地保留了分子邻域并减少了嵌入失真。这些结果强调了多模式分子表示学习中结构感知约束的重要性，并为将细胞表型与化学知识相结合以进行药物发现提供了有效的方法。

订阅66必读