PMO-Dock：分子优化中的基准对接、特异性和泛化

arXiv:2610.19011v1 公告类型：新 摘要：实用分子优化 (PMO) 基准标准化了分子优化中的评估，但它建立在简单的基于属性的预言之上，无法捕获基于结构的药物设计。随着该领域转向基于对接的目标，评估实践变得不标准化，不同的方法报告不同对接任务的结果，通常没有用于公平比较或样本效率限制的共享协议。为了解决这个问题，我们引入了实用分子对接优化 (PMO-Dock)，这是一种基于对接的优化的基准和协议，由 25 个任务组成，涵盖命中生成、先导优化和一个需要强在靶结合同时惩罚脱靶相互作用的新特异性任务。该协议将模型开发与最终评估分开：验证任务用于超参数调整，测试任务用于最终评估，在开发过程中不使用。对测试任务的评估是在严格的预言机预算下完成的，以反映现实的药物发现环境。我们对跨越不同优化范式的四种不同的高性能方法进行了基准测试：Saturn（强化学习）、GenMol（离散扩散）、遗传引导的 GFlowNet 和 ChemLlama（基于 LLM 的进化搜索）。我们的结果表明，跨任务没有通用的最佳方法，对超参数转移（跨任务和跨类别）和敏感性的额外分析表明，转移通常受到限制并且因方法而异，从而激发了依赖于方法的选择策略。该基准为评估在有限的测试时间预言预算下对未见过的任务的泛化和样本效率提供了具体的标准。