🔬 materials science

MolMiner: Toward Controllable, 3D-Aware, Fragment-Based Molecular Design

MolMiner is een nieuw fragmentgebaseerd, 3D-bewust autoregressief model dat gecontroleerd moleculair ontwerp mogelijk maakt door structuren te genereren die geconditioneerd zijn op twaalf fysisch-chemische eigenschappen en krachtveld-gerelaxeerde geometrieën, wat de hitrates voor doelgerichte eigenschapswindows aanzienlijk verbetert zonder dat hulpverliesfuncties vereist zijn.

Oorspronkelijke auteurs: Raul Ortega-Ochoa, Tejs Vegge, Jes Frellsen

Gepubliceerd 2026-07-15

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Raul Ortega-Ochoa, Tejs Vegge, Jes Frellsen

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een eigen LEGO-kasteel probeert te bouwen, maar in plaats van één voor één kleine individuele steentjes aan elkaar te klikken, heb je een magische doos met vooraf gemaakte, chemisch perfecte "super-steentjes" (zoals hele torens, bogen of ramen). Dit is precies hoe MolMiner werkt. Het is een nieuw computerprogramma dat nieuwe moleculen ontwerpt voor medicijnen en materialen, maar het doet dit door deze grotere, betekenisvolle brokken aan elkaar te klikken in plaats van atoom voor atoom.

Het coole deel is: de meeste computerprogramma's die moleculen bouwen, zijn als een rigide assemblageband. Ze beginnen op één specifieke hoek en marcheren in een rechte lijn naar voren, zonder ooit terug te kijken of van pad te veranderen. Als ze vroeg in het proces een fout maken, stort het hele bouwwerk in. MolMiner is echter orde-agnostisch. Denk aan een chaotische maar briljante kunstenaar die een molecuul kan beginnen vanaf elk geldig stuk en het in elke gewenste richting kan laten groeien, zolang de stukken maar in elkaar passen. Het artikel laat zien dat het model veel beter wordt in het generaliseren en creëren van geldige structuren door het te laten oefenen met het bouwen van hetzelfde molecuul op veel verschillende manieren (zoals een muzikant die een liedje jamt in verschillende toonsoorten).

Maar hier komt de echte truc: MolMiner bouwt niet alleen; het ziet in 3D. Tijdens het bouwen ontspant het constant de vorm van het molecuul met behulp van een "krachtveld" (een natuurkundige simulatie die atomen in comfortabele posities laat bezinken). Het is alsoal wanneer je een zandkasteel bouwt en constant moet controleren of het natte zand zijn vorm behoudt voordat je de volgende emmer toevoegt. Dit zorgt ervoor dat het molecuul niet slechts een platte tekening is, maar een fysiek plausibel 3D-object.

De belangrijkste bevinding van het artikel is dat MolMiner met ongelooflijke precisie kan worden gestuurd. Je kunt er zeggen: "Ik heb een molecuul nodig dat dit zwaar is, deze oplosbaarheid heeft en dit aantal ringen bevat," en het zal luisteren. Sterker nog, wanneer de onderzoekers het vroegen om moleculen te bouwen die pasten binnen specifieke "drug-like" vensters, slaagde het 5,25 keer vaker dan wanneer het willekeurig zou gokken, en 3,5 keer vaker dan de moleculen waarop het oorspronkelijk was getraind. Dit is enorm, want het betekent dat het model zijn eigen gewoonten kan overrulen om een specifieke doelstelling te halen.

Er zijn echter regels en beperkingen waar het artikel heel duidelijk over is:

Het is geen toverstaf voor alles: Het model is erg goed in 12 specifieke eigenschappen (zoals gewicht, oplosbaarheid en flexibiliteit), maar het heeft wat moeite met QED (een complexe score voor "drug-likeness"). De auteurs suggereren dat dit komt omdat QED slechts een combinatie is van de andere 11 eigenschappen, waardoor het model het indirect afhandelt in plaats van direct.
Het is nog niet perfect: Het model heeft de neiging om iets kleinere moleculen te bouwen dan de trainingsdata, vanwege de manier waarop het beslist wanneer het stopt met het toevoegen van stukken. De auteurs hebben dit gemeten en vonden een kleine bias naar kleinere formaten, wat ze kunnen bijsturen maar nog niet volledig hebben uitgewezen.
Niet valsspelen toegestaan: Het artikel sluit expliciet uit dat er gebruik wordt gemaakt van "oracle" evaluaties (waarbij een supercomputer de eigenschappen van het molecuul controleert nadat het is gebouwd om te bepalen of het goed is). MolMiner leert eigenschappen te controleren tijdens het bouwproces, zonder dat er een tweede mening van een aparte calculator nodig is. Dit maakt het veel sneller en praktischer voor echt wereldgebruik.

De auteurs zijn beheerst en zelfverzekerd over hun resultaten. Ze hebben het niet alleen op kleine schaal gesimuleerd; ze hebben het model getraind op ongeveer 200.000 echte, medicijn-achtige moleculen en het grondig getest. Ze hebben bewezen dat door deze "super-steentjes" en 3D-bewustzijn te gebruiken, ze moleculen kunnen genereren die 100% chemisch valide zijn (geen gebroken bindingen of onmogelijke vormen) en ongelooflijk divers.

Kortom, MolMiner is als een meesterlijke LEGO-architect die een 3D-structuur kan bouwen vanuit elk startpunt, constant de fysica van de bouw controleert en een gedetailleerde checklist van 12 verschillende vereisten volgt. Het gokt niet alleen; het construeert. En hoewel het nog geen opgeloste kwestie is voor elke enkele chemische uitdaging, laat het artikel zien dat het een enorme stap voorwaarts is in het maakbaar, efficiënt en klaar voor de volgende generatie van medicijnontwikkeling maken van moleculair ontwerp.

Technische Samenvatting: MolMiner

Probleemstelling

Diepe generatieve modellen worden steeds vaker ingezet in high-throughput screening (HTS) pipelines om kandidaat-moleculen te genereren die zijn afgestemd op specifieke eigenschappen. Echter, bestaande ongeconditioneerde modellen verkennen vaak chemisch onwaarschijnlijke regio's in de moleculaire ruimte, met name wanneer de trainingssignalen beperkt zijn of de representatieve ambiguïteit hoog is. Huidige benaderingen kampen met verschillende specifieke beperkingen:

Gebrek aan geometisch bewustzijn: Weinig autoregressieve frameworks integreren dynamische driedimensionale (3D) geometrie tijdens de generatie, en vertrouwen vaak op statische of gefixeerde structuren.
Vaste constructievolgorde: Veel modellen vertrouwen op een vaste uitrolvolgorde (bijv. groeiend vanaf een vooraf gedefinieerd atoom), wat de intrinsieke symmetrie van moleculaire grafen niet weerspieft en de generalisatie beperkt.
Beperkte conditionele controle: De meeste modellen ondersteunen slechts single-target conditionering, terwijl praktische medicijnontwikkeling gelijktijdige controle over meerdere fysisch-chemische en structurele eigenschappen vereist.
Validiteit en Bias: Ongeconditioneerde generatie kan leiden tot chemisch ongeldige structuren of een bevooroordeelde exploratie van de chemische ruimte.

Methodologie

De auteurs introduceren MolMiner, een fragment-gebaseerd, geometrie-bewust en volgorde-agnostisch autoregressief model dat ontworpen is om sterke inductieve biases op te leggen aan moleculaire generatie. De methodologie bestaat uit vier kerncomponenten:

1. Fragment-gebaseerde Representatie

Moleculen worden gedecomposeerd in chemisch betekenisvolle fragmenten die overeenkomen met ringen (geïdentificeerd via de Smallest Set of Smallest Rings van RDKit) en geïsoleerde bindingen. Deze fragmenten worden behandeld als discrete tokens. Om het verlies van connectie-informatie tijdens de fragmentatie op te vangen, houdt het model de mapping tussen originele atoomindices en lokale fragmentindices bij.

2. Symmetrie-bewuste Bevestiging

Om een consistente representatie van fragmentbevestigingen te garanderen, ondanks chemische symmetrie (bijv. benzeenringen waar alle koolstofatomen equivalent zijn), maakt MolMiner gebruik van een symmetrie-bewuste standaardisatieprocedure. Dit omvat het enumereren van symmetrie-equivalente bevestigingsconfiguraties en het construeren van een canonieke referentiemapping. Dit zorgt ervoor dat beslissingen over bevestiging invariant zijn voor atoomindexering en fragment-automorfismen.

3. Volgorde-agnostische Uitrol

In tegen tegenstelling tot modellen met vaste traversale-volgordes (breedte-zoekend of diepte-zoekend), hanteert MolMiner een volgorde-agnostische strategie. In elke stap wordt een focus-bevestigingsplaats willekeurig gesampled uit de set van momenteel openstaande locaties. Het model voorspelt of er een fragment moet worden bevestigd of een terminatiebeslissing voor die specifieke locatie. Deze aanpak:

Maakt meerdere geldige constructietrajecten voor hetzelfde molecuul mogelijk.
Fungeert als een vorm van data-augmentatie en regularisatie tijdens de training.
Maakt decentrale terminatie mogelijk, waarbij bevestigingspunten onafhankelijk worden gesloten totdat het molecuul volledig is geassembleerd.

4. Geometrie-bewuste Architectuur

Het model maakt gebruik van een decoder-only transformer-architectuur. Om 3D-structurele informatie te integreren zonder expliciet coördinaten in elke stap te genereren, integreert de architectuur een globale attention-bias gebaseerd op de Euclidische afstand tussen fragment-centra. Deze centra worden afgeleid van krachtveld-gerelaxeerde (bijv. UFF) intermediaire structuren. Het attention-mechanisme wordt gemoduleerd door een afstand-gebaseerde kernel, waardoor het model voorspellingen kan conditioneren op fysiek plausibele intermediaire geometrieën.

5. Training en Conditionering

Trainingsdoel: Het model maximaliseert de log-likelihood van een molecuul onder de volgorde-agnostische uitrol-factorisatie, geconditioneerd op doeleigenschappen. Een aanvullend feed-forward netwerk wordt getraind om een geschikte startfragment te voorspellen op basis van doeleigenschappen.
Impliciete Conditionering: Doeleigenschappen worden als input meegegeven tijdens de training, maar er worden geen aanvullende eigenschapsverliezen (auxiliary property losses) toegepast. Het model leert de eigenschapsalignement organisch van de datadistributie.
Multi-eigenschap Controle: Het systeem ondersteunt conditionering op een subset van 12 fysisch-chemische en structurele eigenschappen (bijv. logP, QED, SAS, moleculair gewicht). Ontbrekende eigenschappen worden aangevuld met behulp van een Gaussian Mixture Model (GMM) prior die is getraind op de empirische gezamenlijke distributie van de trainingsdata.

Belangrijkste Resultaten

Ongeconditioneerde Generatie

Geëvalueerd op een subset van de ZINC-dataset (~200.000 moleculen), demonstreert MolMiner:

Validiteit: 100% chemische validiteit door constructie, met 0% fragmentatie (in tegen tegenstelling tot diffusion-gebaseerde baselines zoals GDSS, die in ~39% van de gevallen gefragmenteerde outputs produceerden).
Diversiteit en Nieuwheid: Hoge uniciteit (98,5%) en nieuwheid (99,9%), vergelijkbaar met state-of-the-art fragment-gebaseerde (HierVAE) en diffusion-gebaseerde (GDSS) modellen.
Distributionele Getrouwheid: Het model komt nauw overeen met de referentiedistributies voor 12 eigenschappen. Kleine afwijkingen in moleculair gewicht, molaire refractiviteit en TPSA werden waargenomen, wat wordt toegeschreven aan een bias naar vroege terminatie in het uitrolproces, wat gedeeltelijk werd gecorrigeerd via loss reweighting.

Conditionele Generatie

Kalibratie: MolMiner bereikt een lage Mean Absolute Error (MAE) en een hoge $R^2$ over 12 eigenschappen zonder expliciete eigenschapsverliezen. Het model slaagt erin de structuur-eigenschapsrelaties te leren.
Multi-eigenschap Controle: Het model ondersteunt gelijktijdige conditionering op alle 12 eigenschappen. Hoewel een "specialist" model (getraind op één eigenschap) iets beter presteert op die specifieke metriek, behoudt het "generalist" 12D-model een hoge controleerbaarheid over alle assen, waarbij een kleine prijs per eigenschap wordt betaald voor de mogelijkheid om complexe, met meerdere beperkingen gespecificeerde eisen te voldoen.

Doelgerichte Multi-eigenschap Generatie

In experimenten gericht op specifieke "eigenschapsvensters" (bijv. Lipinski's Rule of 5, CNS drug criteria, 3D-rijke-rigide scaffolds):

MolMiner presteert significant beter dan ongeconditioneerde baselines (HierVAE, GDSS en ongeconditioneerde MolMiner).
Hit Rate Lift: Conditionering verhoogde de hit rates met factor 5,25× ten opzichte van de ongeconditioneerde baseline en 3,5× ten opzichte van de trainingsdistributie zelf.
Bias Override: Het model slaagde erin de generatie te sturen naar regio's in de chemische ruimte die het van nature ondervertegenwoordigde (bijv. 3D-rijke-rigide moleculen), wat aantoont dat conditionering de intrinsieke model-biases kan overrulen.

Betekenis en Claims

Het artikel beweert dat MolMiner dynamische geometrie, symmetrie-afhandeling, volgorde-agnostische generatie en schaalbare multi-eigenschap conditionering verenigt binnen één enkel framework. De significantie ligt in:

Controleerbaarheid zonder Aanvullende Verliezen: Het aantonen dat hoog-dimensionale conditionele controle organisch kan voortkomen uit de datadistributie zonder dat expliciete eigenschapsgebaseerde verliesfuncties of oracle-evaluaties tijdens de generatie nodig zijn.
Operationele Relevantie: Het bieden van een praktisch instrument voor HTS-pipelines dat moleculen kan genereren die voldoen aan gelijktijdige, multi-eigenschap restricties, waarmee de intrinsieke biases van het model effectief worden overruled om specifieke chemische ruimtes te verkennen.
Interpreteerbaarheid en Co-Design: Het stapsgewijze, fragment-gebaseerde assemblageproces ondersteunt interpreteerbaarheid en opent paden voor human-in-the-loop design, waarbij gebruikers kunnen interveniëren tijdens de uitrol om fragmenten of bevestigingsplaatsen te beperken.

De auteurs positioneren MolMiner niet als een vervanging voor downstream optimalisatie, maar als een robuuste generatieve fundering die chemische validiteit, structurele diversiteit en betrouwbare eigenschapscontrole garandeert voor de initiële kandidaatgeneratie.