AI 能发现毒性分子,但能修复它们吗?还不行.

目录

1. BCCoE 模型通过对齐基因和化合物的预训练表征，成功实现了双向检索，为从海量基因数据中发现新天然产物提供了强大工具。
2. 最新测试表明，即使是最强的大模型在面对涉及 3D 结构和复杂约束的真实多轮药物设计任务时依然表现挣扎，总体成功率仅为 40.2%。
3. 一种新型等变图神经网络 (PiCAP) 预测，蛋白 - 糖基相互作用的普遍性远超预期，可能重塑我们对细胞表面生物学的认知。
4. ConTact 模型将抗体设计拆解为「在哪接触」和「放什么氨基酸」两步，通过优先确定结合界面，显著提升了生成抗体的结构准确性。
5. MolDeTox 基准测试表明，当前的大语言模型可以识别出分子中的有毒片段，但在执行精确的、保留核心性质的结构编辑以生成安全的类似物方面，表现还远远不够。

1. AI 打通基因与化学的任督二脉，新药发现提速

做天然产物发现，我们经常面临一个头疼的问题。基因测序成本下来后，我们手里的生物合成基因簇（Biosynthetic Gene Clusters, BGCs）序列数据越来越多，就像一个堆满了外星菜谱的图书馆。我们知道里面有绝世美味，但看不懂菜谱，就不知道它到底能做出什么菜，也就是它能合成什么天然产物分子。反过来，拿到一个新奇的分子，想知道是哪个基因簇负责生产的，也同样困难。

这篇工作提出的 BCCoE 模型，就像是为这个难题量身打造的「罗塞塔石碑」。它能让你拿着基因「菜谱」直接找到对应的分子「菜品」，也能拿着分子「菜品」反向追溯是哪个基因「菜谱」的杰作。

它是怎么工作的？

研究者的思路很巧妙。他们没有从头搭建一个庞大而笨重的模型，那不仅耗时耗力，还容易过拟合。他们采取了更「轻量对齐」策略。

先找来两个领域内的「专家」——强大的预训练基础模型。一个是 BiGCARP，它专门解读 BGC 序列；另一个是 MoLFormer，它精通化学分子的 SMILES 结构。这两个专家本身就很厉害，各自在自己的领域里学到了很多知识。研究者的工作，就是训练一个轻巧的「翻译官」，把这两个专家说的「行话」翻译成一种共通的语言。

具体来说，这个「翻译官」是一个小型转化器（Transformer）网络。它接收来自两个基础模型的表征向量，然后将它们都投影到一个统一的 64 维共享空间里。

训练过程很简单：给模型看大量已知的（BGC，化合物）配对数据，比如来自 MIBiG 数据库的。模型的目标就是在这个 64 维空间里，把正确配对的 BGC 和化合物的向量拉得越近越好，同时把不相关的向量推得远远的。为了效率，他们还冻结了两个基础模型，让训练过程只专注于学习「对齐」这件事。这就像是教两个只懂各自母语的专家用一种简单的通用语交流，而不是让他们重新学习对方的语言。

效果到底怎么样？

在 MIBiG 标准数据集上，BCCoE 的表现很亮眼。

传统的 KNN 方法，就像是只看表面相似度来匹配菜谱和菜品，准确率很低。比如，从基因找到对应化合物，Top-10 召回率只有 12.9%。BCCoE 直接把这个数字提升到了 32.9%。反向查询的提升同样显著。

但真正的考验在于面对「未知」。在药物发现中，我们最感兴趣的是那些全新的、从未见过的东西。研究者做了一个测试：在训练时，故意拿掉一整类天然产物，然后看模型能不能把这类新东西找出来。结果所有模型的性能都下降了，但 BCCoE 的优势反而更大了，它的性能比次优方法高出 75-89%。这说明它不是靠「死记硬背」，而是学到了一些更底层的基因 - 化学关联规律。

此外，模型在新数据上的表现也证明了它的价值。用旧版 MIBiG 3.1 训练，然后在 4.0 版本新增的 473 个配对上测试，BCCoE 找出的正确配对比之前的方法多了近 50%。

模型的鲁棒性如何？

研究者还做了一个压力测试：把底层的「专家」模型换掉，比如用 ESM-C 替换 BiGCARP，或者用 Uni-Mol2 替换 MoLFormer。BCCoE 的表现很稳定，性能没有大的波动。

相比之下，一些两步走的检索方法（KNN-2hop）在这种情况下可能会彻底崩溃。因为有些基础模型输出的向量相似度都挤在 1 附近，就像一个只会给所有菜打 9 分或 10 分的美食评论家，他的评分失去了区分度，后续的排序也就乱了套。BCCoE 的对齐过程，相当于给这个空间做了一次「校准」，让相似度的分布更合理，从而保证了结果的可靠性。

他们在三个外部数据集的真实案例上进行了验证。结果显示，无论是从 BGC 找化合物，还是反过来，BCCoE 都能把正确的匹配项排在非常靠前的位置。这证明它不仅仅是一个能在榜单上刷分数的模型，更是一个可以在实际研发流程中，帮助科学家从海量数据中快速筛选高潜力候选目标的实用工具。

📜Title: Unified Genomic and Chemical Representations Enable Bidirectional Biosynthetic Gene Cluster and Natural Product Retrieval
🌐Paper: https://doi.org/10.1038/s41598-026-49955-5
💻data: https://zenodo.org/records/18849052

2. 大模型搞药物设计的真实水平：成功率仅 40%

「AI 能做化学选择题，那它能真的做药吗？」这是我脑子里一直盘旋的问题。做单轮的化学问答和真正在实验室里搞多轮优化完全是两码事。最近发布的 SMDD-Bench（大语言模型小分子药物设计基准）终于给这个问题上了点硬菜。这项研究测试了模型在真实多轮小分子药物设计工作流中的表现，包含了 502 个任务，覆盖了 102 个蛋白靶点。

这个基准测试最地方，在于它的「隐藏验证者」（Witness）机制。做过药的人都知道，有些项目做不出来是因为靶点本身不可成药。为了避免把「死胡同」怪罪给 AI，研究人员在构建骨架跃迁、先导化合物优化这些任务时，提前藏了一个已知能通过所有测试的真实分子。这就保证了每个任务在理论上都是绝对有解的。

结果呢？目前最强的模型（论文中提到的 GPT-5.4）整体成功率只停在 40.2%。

更关键的是数据的分布。AI 在「先导化合物优化」上刷了不少分。在这个环节，它的任务是在保持核心骨架相似（Tanimoto 相似度 ≥0.7）的前提下，微调分子去满足几个 ADMET（吸收、分布、代谢、排泄和毒性）指标，同时避开 PAINS 这类假阳性结构警报。这对大语言模型（LLM）来说相对容易，因为这就像在玩 2D 字符串游戏。

一旦任务进入三维世界，AI 就歇菜了。在相互作用位点发现、骨架跃迁和片段组装这些极其依赖 3D 空间构象的任务上，大多数模型的成绩几乎剃光头。AI 能在 SMILES 字符串里游刃有余，但要在保持结合模式的前提下换个全新的骨架，或者把两个片段巧妙地连起来，它对 3D 空间位阻和药效团的理解还远远不够。

评测中暴露出的「生成与选择」困境让我深有同感。研究者回溯了 AI 在推理过程中生成过的所有分子结构，发现如果把那些被 AI 自己放弃的分子也算上，成功率会大幅飙升。这就像一个刚进实验室的实习生，在草稿纸上画出了完美的候选化合物，最后却挑了一个最差的拿去合成。AI 能生成好分子，但在缺乏额外计算工具验证的情况下，它根本不知道哪个才是对的。

在有限的「合成预算」下，大模型还暴露了缺乏构效关系（SAR）总结能力的老毛病。在真实的药化循环里，我们发现某个基团会导致活性下降或毒性增加，下一步肯定会避开它。大模型不同，它会在后续轮次里反复测试那些已经被证明无效的结构，或者无法在前期部分成功的基础上继续往上盖砖。另外，多智能体跑出来的结果同质化严重，根本无法像真正的药化团队那样广泛探索未知的化学空间。

整个系统的底层评估工具用得挺扎实，使用了 Boltz2 进行蛋白 - 配体共折叠和亲和力预测，用 PLIP 提取相互作用指纹，这套流程很贴近一线计算化学管线。虽然 AI 交出的答卷在 ChEMBL 等公共数据库里查不到，确实具有新颖性，但在真实的药物研发里，单有新颖性毫无意义。要想真正帮到药化科学家，AI 必须学会理解 3D 相互作用约束，并学会在多轮反馈中像人类一样规划和思考。

📜Title: SMDD-Bench: Can LLMs Solve Real-World Small Molecule Drug Design Tasks?
🌐Paper: https://arxiv.org/abs/2605.21740

3. AI 发现 40% 蛋白都结合糖？细胞通讯或被重写

糖生物学 (Glycobiology) 一直有点像生物学界的「暗物质」。我们知道它无处不在，极其重要，但想系统性地研究它却异常困难。细胞表面的糖链（聚糖）构成了复杂的「糖萼 (glycocalyx)」，参与了从免疫识别到细胞通讯的几乎所有过程。问题是，哪些蛋白质会与这些糖链相互作用？传统观点认为这只是少数专职蛋白（如凝集素）的工作。但这篇 PNAS 的工作扔下了一颗重磅炸弹：这个比例可能高达 40%。

蛋白质 - 糖相互作用远比我们想的普遍

研究者开发了一个名为 PiCAP 的深度学习模型。它的预测结果令人吃惊：在人类、小鼠、果蝇等六个主要模式生物的蛋白质组中，有 35-40% 的蛋白质可能与糖有非共价相互作用。在细胞外和细胞表面的蛋白质中，这个比例更是飙升到 75%。

如果这个预测是真的，它将彻底改变我们对细胞生物学的看法。这意味着，过去被认为是「非专职」的大量蛋白质，实际上可能都在通过与糖的相互作用，悄悄地调节着细胞功能。

模型的「杀手锏」是什么？

一个好的 AI 模型，背后一定有一个好的数据集和算法设计。

他们解决了这个领域一个老大难的问题：如何定义「不结合糖的蛋白」？在数据库里，我们能找到很多「蛋白 - 糖复合物」的结构作为正样本。但你几乎找不到任何文献会明确说「蛋白 X 绝对不结合糖 Y」。没有负样本，模型就没法学习区分。研究者的解决方案是，自己动手创建一个高质量的负样本库，名为 NoCAP。他们筛选了 2 万多个结构上不太可能结合糖的蛋白质，作为「假定的非结合蛋白」。这是个非常务实且关键的一步，直接决定了模型的判断力。

其次，模型本身用的是 E(3) 等变图神经网络 (equivariant graph neural network)。这个名字听起来复杂，但它的核心思想很直观：它能理解分子的三维几何形状。无论你怎么旋转平移一个分子，模型给出的预测都应该是一样的。对于识别依赖精确空间匹配的分子间相互作用，这种几何感知能力至关重要。

最后，他们采用了一个两阶段的训练策略。先让模型在更广泛的小分子结合数据上进行「预训练」，学会识别普遍的蛋白 - 配体相互作用模式。然后，再用专门的蛋白 - 糖数据进行「微调」，让它成为一个糖基结合专家。这个过程就像医学生先学基础解剖，再专攻某个具体领域。为了让模型更贴近现实，训练数据里还混合了实验解析的真实结构和 AlphaFold2 预测的结构。这让模型对结构预测带来的「噪音」有更好的鲁棒性。

模型的预测靠谱吗？

任何计算模型，最终都要用实验数据来检验。

PiCAP 在这方面表现不错。在一个独立的测试集上，它的平衡准确率达到了 89.6%。它能把 96.3% 的真结合蛋白找出来，虽然也会把 17.2% 的非结合蛋白误判。对于一个全蛋白质组规模的筛选工具来说，这个性能足够让实验科学家们兴奋了。它可以极大地缩小需要实验验证的候选蛋白范围。

更令人信服的是外部验证。

1. 已知蛋白验证：它准确识别了所有 109 个人类已知的凝集素，说明它能准确找到我们已知的目标。
2. 高通量实验对比：研究者将 PiCAP 的预测结果与一个已发表的人类神经节苷脂相互作用组数据进行了比较。结果发现，PiCAP 的预测分数与该蛋白在实验中被检测到的频率呈现出清晰的正相关。这说明模型的预测强度与真实的生物学信号强度是挂钩的。
3. 生物学功能分析：通过基因本体论 (GO) 富集分析发现，被预测为「糖结合蛋白」的，大多富集在细胞外、细胞膜等位置，功能与信号转导、细胞粘附等有关。而被预测为「非结合蛋白」的，则大多在细胞核或细胞质里，干的是与 DNA/RNA 代谢相关的工作。这完全符合我们的生物学直觉。

这项工作为我们绘制了一张全新的蛋白质 - 糖相互作用图谱。它告诉我们，细胞表面可能存在一个远比我们想象中更庞大、更复杂的糖介导的调控网络。对于药物研发来说，这不仅揭示了大量潜在的新靶点，也提醒我们在设计靶向细胞表面蛋白的药物时，必须考虑它们与周围「糖环境」的相互作用。

📜Title: Predictions from Deep Learning Propose Substantial Protein–Carbohydrate Interplay
🌐Paper: https://doi.org/10.1073/pnas.2323342121
💻Code: https://github.com/Graylab/picap

4. 抗体设计 AI：先搞定接触，再谈序列

做抗体设计，尤其是在给定抗原的情况下从头设计 CDR 序列，一直是个棘手的问题。很多现有的 AI 模型有点像在黑暗中乱枪扫射，它们试图同时解决两个问题：CDR 上的哪些氨基酸会接触抗原（「在哪接触」），以及这些位置应该是什么氨基酸（「放什么」）。它们用一套统一的信息传递机制和损失函数，希望模型自己能想明白。结果就是，来自抗原的关键结合信号，往往在传递过程中被稀释、淹没在无关信息里了。

这篇名为 ConTact 的工作提出了一个非常直观且思路：别把两件事混在一起做。先把最重要的问题解决了——抗体到底要摸到抗原的哪里？

这个模型的流程可以拆解成一个三步走的策略：

第一步：学习「表面互补指纹」
这步很有意思。模型会为 CDR 上的每个氨基酸位置生成一个紧凑的向量，也就是「指纹」。这个指纹用来概括它周围的局部结合环境。训练方式采用了一种对比学习（InfoNCE-style）。你可以把它想象成一个配钥匙的游戏：如果两个不同的 CDR 位置面对着相似的抗原表面（锁），那它们就应该生成相似的指纹（钥匙的齿形）。这样一来，模型就学会了识别不同形状的抗原表面。

第二步：明确预测接触位点
有了指纹作为参考，第二步就直接多了。模型会利用这个指纹，加上 CDR 和抗原的特征，来明确预测一个「是」或「否」的问题：这个 CDR 残基会不会和抗原发生接触？这里的接触定义也很简单粗暴，就是两个氨基酸的 α-碳原子距离小于 8 Å。这是一个有监督的分类任务。研究者还用了一个叫 Focal Loss 的损失函数，这在处理数据不平衡（大部分残基其实不接触）时特别好用，能让模型更专注于那些模棱两可、难以判断的边界情况。

第三步：基于接触位点，精确注入抗原信息
这是整个设计的点睛之笔。只有在第二步被预测为「会接触」的 CDR 位置，模型才会把抗原的信息「注入」进去，用于指导最终的氨基酸序列生成。这套机制被称为「双重门控」（double gating），它能确保抗原的信号被精准地传递到最关键的结合位点，而不会干扰那些不参与结合的「旁观者」残基。这就好比，你不再需要对着整个房间喊话，而是可以直接跟目标人物进行一对一的私聊，信息传递的效率和准确性自然就上去了。

为了让这套系统运转得更好，研究者还加入了一些辅助设计。比如，一个带有距离偏置的交叉注意力模块，它内置了一个简单的物理先验：空间上离得越近的残基，相互作用的可能性越大。编码器部分则用了一个叫做 VirtualNode-EGNN 的图神经网络（Graph Neural Network, GNN）架构，通过建立虚拟节点，为抗原表位和 CDR 之间架设了一条信息高速公路，防止信号在漫长的传递链条中衰减。

最终的结果怎么样？在 CHIMERA-BENCH 这个标准测试集上，ConTact 的表现在一众基线模型里相当突出。尤其是在衡量结构准确性的指标上，比如主链的均方根偏差 (RMSD) 只有 1.63 Å，结合界面的 F1 分数和 DockQ 分数都遥遥领先。这清楚地表明，「接触优先」这个策略对于搞定正确的抗体三维结构是极其有效的。

当然，我们也要看到它的局限。虽然结构预测得很准，但在预测接触位点上到底该用哪个氨基酸（CAAR 指标）这件事上，ConTact 和其他所有模型一样，表现平平。论文作者自己也指出了这一点，这很可能是因为目前大多数模型都还停留在 Cα-骨架层面来表征抗原。这就像只看一个人的骨架去猜他的长相，信息损失太大了。真正的分子识别依赖的是侧链的精细化学性质、静电作用力等等。这或许是整个领域接下来需要攻克的下一个大难关。

📜Title: ConTact: Contact-First Antibody CDR Design via Explicit Interface Reasoning
🌐Paper: https://arxiv.org/abs/2405.12600

5. AI 能发现毒性分子，但能修复它们吗？还不行。

在药物研发中，我们经常遇到一个棘手的问题：一个非常有潜力的候选分子，各方面都很好，就是有点毒性。通常，毒性来自某个特定的化学基团，我们称之为「毒性警报结构 (structural alert)」。我们的任务就像是做一次精密的微创手术：精确地切掉这个有问题的部分，换上一个功能相似但安全无害的片段，同时保证分子的其他部分——也就是它的核心骨架和理化性质——基本不受影响。

这活儿说起来简单，做起来难。很多人都想让 AI 来干这个。这篇论文提出的 MolDeTox 基准测试，就是想看看现在的大语言模型（LLMs）到底能不能胜任这项工作。

核心思路：把任务拆开看

作者们做了一件很事。他们没有直接问模型：「给你这个有毒分子，给我一个无毒的版本」，然后看结果是好是坏。这种黑箱测试没什么意义。

他们把这个复杂的任务拆解成了三个独立的、逻辑递进的步骤：

1. 识别问题：模型能准确找出分子中导致毒性的那个片段（toxic fragment）吗？
2. 提出方案：模型能生成一个功能相似但无毒的替换片段（non-toxic fragment）吗？
3. 执行手术：模型能把新片段无缝地拼接到原来的分子骨架上，生成一个完整、化学有效、且保持了关键理化性质的新分子吗？

这种拆解让我们能清晰地诊断模型的能力边界。它到底是「看不懂病历」（第一步失败），还是「开错了药方」（第二步失败），又或是「手抖做不好手术」（第三步失败）？

数据集：贴近现实的「分子双胞胎」

为了让测试更贴近真实世界，研究者们构建了一个名为 ToxicityCliff 的新数据集。这个数据集的特点是，它包含了大量的「分子双胞胎」——两个分子的整体结构（比如骨架）非常相似，但仅仅因为一个微小的局部结构差异，一个有毒，另一个就无毒。

这正是药物化学家在日常工作中面对的典型场景。我们不是要从零开始设计一个全新的分子，而是在一个已经很有希望的分子上做微调。用这样的数据来训练和评估模型，显然比用两个结构天差地别的分子要更有现实意义。

方法：用「乐高积木」教 AI 思考

传统的分子表示方法，比如 SMILES 字符串，对计算机来说就是一长串无规律的文本。让模型直接编辑 SMILES，就像让一个不懂建筑的人去修改建筑蓝图，很容易搞出一堆无效或者乱七八糟的设计。

为了解决这个问题，论文采用了一种叫 SAFE 的片段化表示方法。你可以把它想象成把一个复杂的分子拆解成一堆标准化的「乐高积木」。模型的工作不再是编辑一长串字符，而是先识别出哪块「积木」有问题，然后从库里找一块安全的「积木」换上去。

这样做有两个好处：

1. 引导模型关注局部：模型被引导去思考「替换哪个片段」，而不是「修改哪个字符」，这更符合化学家的思维方式。
2. 保证化学有效性：因为生成的是标准化的片段，再解码回 SMILES，所以生成无效分子的概率大大降低，并且更容易保留分子其余部分的结构。

结果：一个残酷的现实

结果怎么样呢？一句话总结：模型们普遍眼高手低。

分析失败案例发现，大多数失败都是「彻底崩溃」型的——第一步就错了，后面自然步步都错。这说明，当前模型从理解局部化学片段到精确构建完整分子的能力链条是脆弱的，中间还缺少了关键的一环。

这项工作给了我们一个非常重要的启示：在药物发现领域，AI 不能只停留在「识别模式」和「模糊生成」的层面。我们需要的是能够理解化学规则、执行精确操作的「AI 化学家」。MolDeTox 这个基准测试，就像一把尺子，精确地度量了我们离这个目标还有多远。

📜论文标题: MolDeTox: Evaluating Language Model’s Stepwise Fragment Editing for Molecular Detoxification
🌐论文链接: https://arxiv.org/abs/2605.12181
💻代码链接: https://github.com/datamol-io/safe