🤖 machine learning

Generative Molecular Morphing for Flexible-Size Design via Unbalanced Optimal Transport

Dit artikel introduceert Morph, een generatief model met een flexibele grootte gebaseerd op ongebalanceerde optimale transport, dat de beperkingen van vaste atomen van huidige diffusiemethoden overwint om superieure eigenschapssturing en out-of-distribution 3D moleculaire vormgeving mogelijk te maken.

Oorspronkelijke auteurs: Malte Franke, Stefan P. Schmid, Zarko Ivkovic, Kjell Jorner, Andreas Krause

Gepubliceerd 2026-06-08

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Malte Franke, Stefan P. Schmid, Zarko Ivkovic, Kjell Jorner, Andreas Krause

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 meesterarchitect bent die nieuwe gebouwen (moleculen) voor een stad probeert te ontwerpen. In het verleden hadden de meest geavanceerde architecten (AI-modellen) een strikte regel: ze konden alleen gebouwen ontwerpen met een vast aantal kamers.

Als ze een huis wilden bouwen, moesten ze vooraf beslissen: "Dit huis zal precies 4 kamers hebben." Als ze een wolkenkrabber wilden bouwen, moesten ze beslissen: "Deze wolkenkrabber zal precies 50 kamers hebben." Ze konden niet beginnen met een schets van een hut met 2 kamers en die vervolgens magisch uitbreiden tot een landhuis, noch konden ze een landhuis inkrimpen tot een cottage. Ze zaten vast aan het aantal kamers dat ze vooraf hadden bepaald.

Dit artikel introduceert een nieuwe AI-architect genaamd Morph. Morph is speciaal omdat het niet om het aantal kamers geeft. Het kan beginnen met een leeg blad (of een kleine schets) en dynamisch kamers toevoegen of verwijderen terwijl het de blauwdruk tekent, terwijl het er tegelijkertijd voor zorgt dat het gebouw stabiel is en er goed uitziet.

Hier is hoe Morph werkt, onderverdeeld in eenvoudige concepten:

1. Het Probleem: De "Vast Aantal Kamers"-valstrik

De meeste huidige AI-modellen voor het ontwerpen van moleculen zijn als die rigide architecten. Ze gaan ervan uit dat het aantal atomen (de "kamers") vanaf het begin vaststaat.

Het probleem: Veel belangrijke eigenschappen van een molecuul (zoals hoe goed het oplost in vet of hoe sterk het is) zijn direct gekoppeld aan de grootte ervan. Als je de grootte niet kunt veranderen, kun je de AI niet gemakkelijk sturen om een molecuul met een specifieke eigenschap te creëren.
Het resultaat: Als je een model met een vaste grootte vraagt om een gigantisch molecuul te ontwerpen, kan het falen omdat het alleen getraind is op kleine moleculen. Het is alsof je een model dat alleen weet hoe je schuurt bouwt, vraagt om plotseling een kathedraal te bouwen; het weet niet hoe het moet opschalen.

2. De Oplossing: "Morphing" zoals klei

Morph behandelt het ontwerp van moleculen als het boetseren met klei.

Het proces: In plaats van alleen een statische afbeelding te tekenen, begint Morph met een ruwe vorm. Terwijl het het ontwerp verfijnt, kan het:
- Invoegen: Nieuwe atomen toevoegen (een nieuwe kamer toevoegen).
- Verwijderen: Onnodige atomen verwijderen (een muur afbreken).
- Substitueren: Het type atoom veranderen (een houten deur veranderen in een stalen deur).
- Verplaatsen: Atomen verschuiven om de structuur perfect in elkaar te laten passen.
De magie: Het doet dit alles tegelijkertijd. Het voegt niet alleen kamers toe; het herstructureert het hele gebouw terwijl het beslist hoeveel kamers het nodig heeft.

3. Het Geheim: "Unbalanced Optimal Transport"

Hoe weet Morph welk atoom in de begin-schets overeenkomt met welk atoom in het uiteindelijke molecuul, vooral wanneer de aantallen niet overeenkomen?

De auteurs gebruiken een wiskundige truc genaamd Unbalanced Optimal Transport.

De analogie: Stel je voor dat je een stapel rode bakstenen hebt (je begin-schets) en een stapel blauwe bakstenen (je doelontwerp). De stapels zijn verschillend groot.
De oude manier: Je probeert elke rode baksteen perfect te matchen met een blauwe baksteen. Als de stapels verschillende groottes hebben, loopt de wiskunde vast.
De manier van Morph: Het zegt: "Oké, laten we zoveel mogelijk bakstenen matchen. Voor de extra blauwe bakstenen zullen we ze gewoon uit het niets creëren (insertie). Voor de extra rode bakstenen zullen we ze gewoon verwijderen (deletie)."
Dit stelt de AI in staat om soepel over te gaan van een kleine, rommelige schets naar een perfect, complex molecuul, zelfs als de begin- en eindgrootte totaal verschillend zijn.

4. Wat Morph Kan Doen (De Resultaten)

Het artikel test Morph op twee hoofdtaken:

Ontwerpen vanuit het niets (De-novo Design): Morph kan even goede, stabiele moleculen creëren als de beste modellen met een vaste grootte. Het offert geen kwaliteit op voor flexibiliteit.
Het ontwerp sturen (Steering the Design): Hier blinkt Morph uit.
- Scenario: Je wilt een molecuul dat erg "vettig" is (hoge lipofiliteit). Meestal zijn vette moleculen groter.
- Vast model: Als je een vast model vraagt om een groot vet molecuul te maken, en het was alleen getraind op kleine moleculen, kan het crashen of troep produceren.
- Morph: Je zegt tegen Morph: "Maak me een vet molecuul." Morph realiseert zich: "Oké, om vet te zijn, moet ik groter zijn," en het voegt meer atomen toe tijdens het generatieproces. Het slaagt erin om moleculen te creëren die 40% groter zijn dan alles wat het in zijn trainingsdata heeft gezien.
Scaffold Decoration: Stel je voor dat je een specifieke Lego-basis (een "scaffold") hebt en je wilt daar een unieke structuur bovenop bouwen. Morph kan die basis nemen en intelligent de juiste stukjes toevoegen om het molecuul te voltooien, terwijl andere modellen moeite hebben om de grootte van de structuur aan te passen terwijl de basis intact blijft.

5. De Keerzijde (Beperkingen)

Het paper is eerlijk over de nadelen:

Het is moeilijker om te trainen: Omdat Morph moet leren om tegelijkertijd toe te voegen, te verwijderen en te verplaatsen, kost het meer tijd en rekenkracht om te trainen (ongeveer 2,5 keer langer dan sommige andere modellen).
Het is langzamer in generatie: Omdat het veel kleine beslissingen moet nemen (zoals het toevoegen van één atoom tegelijk in plaats van alleen een afbeelding met een vaste grootte te tekenen), duurt het meer stappen om een enkel molecuul te voltooien.

Samenvatting

Morph is een nieuwe AI-tool die de "vaste grootte"-regel in moleculaire vormgeving doorbreekt. In plaats van vast te zitten aan een vooraf bepaald aantal atomen, kan het moleculen ter plekke laten groeien of krimpen. Dit stelt wetenschappers in staat om te vragen om moleculen met specifieke eigenschappen (zoals grootte of oplosbaarheid) en de AI de juiste hoeveelheid atomen te laten bepalen om het werk te volbrengen, wat de weg vrijmaakt voor de ontdekking van geheel nieuwe soorten chemicaliën die voorheen onbereikbaar waren voor AI-modellen.

Technische Samenvatting: Generatieve Moleculaire Morfing voor Flexibele Grootte via Unbalanced Optimal Transport

1. Probleemstelling

Huidige generatieve modellen voor 3D moleculair ontwerp, met name diffusie- en flow-gebaseerde benaderingen, kampen met een kritieke algoritmische beperking: ze opereren op een vast aantal atomen ( $n$ ). Deze beperking voorkomt dat de modellen de gezamenlijke verdeling van moleculaire eigenschappen en moleculaire grootte leren. Aangezien veel chemische eigenschappen intrinsiek verbonden zijn met het aantal atomen, beperkt het fixeren van de grootte de expressiviteit en stuurbaarheid van een model kunstmatig. Bijgevolg hebben deze modellen moeite met het navigeren door complexe relaties tussen structuur en eigenschappen, slagen ze er niet in om structurele priors (zoals scaffolds) effectief te integreren, en kunnen ze geen geldige moleculen genereren buiten de trainingsdistributie (OOD) met betrekking tot grootte.

2. Methodologie

De auteurs introduceren Morph, een flexibel-grootte generatief model voor geometrische grafen dat het aantal knopen (atomen) dynamisch aanpast tijdens het generatieproces. De methodologie integreert continue dynamica met discrete sprongen, geformuleerd als een jump-flow proces.

Kerncomponenten:

Toestandsruimte: Het model opereert op een toestandsruimte $\mathcal{G}$ die wordt gedefinieerd als de disjuncte vereniging van quotientruimten voor geometrische grafen van variërende groottes, rekening houdend met $SE(3)$ (translatie/rotatie) en $S_n$ (permutatie) symmetrieën.
Generatieve Dynamica: Het proces combineert:
1. Continue Flow: Gestuurd door een snelheidveld $v_t$ dat de posities van atomen verplaatst.
2. Discrete Sprongen: Gestuurd door een Continuous-Time Markov Chain (CTMC) met een ratendichtheid $u_t$ , wat knoopinvoeging, verwijdering en type-substitutie mogelijk maakt.
Training via Conditional Generator Matching (CGM): Om de onhandelbare marginale generator te omzeilen, gebruikt het model CGM. Het leert de conditionele snelheid en sprong-rates te regresseren langs paden tussen gekoppelde eindpunten $(g_0, g_1)$ , waarbij $g_0$ een prior graaf is en $g_1$ een doelmolecuul.
Unbalanced Optimal Transport (UOT) voor Uitlijning: Een belangrijke innovatie is het gebruik van UOT om geometrische grafen van verschillende groottes ( $n_0 \neq n_1$ $n_{0} \neq = n_{1}$ ) uit te lijnen voordat de interpolatiepaden worden gedefinieerd.
- De UOT-doelstelling minimaliseert een kostenfunctie bestaande uit transportkosten, kosten voor massa-verwijdering ( $w_{del}$ ) en kosten voor massa-invoeging ( $w_{ins}$ ).
- De kosten voor edge-editing worden op nul gesteld, gerechtvaardigd door het vermogen om de bindings-topologie af te leiden uit de 3D-structuur en valentie.
- Het resulterende transportplan wordt gediscretiseerd met behulp van het Hongaarse algoritme op een uitgebreide ruimte om exacte edit-sets (matches, inserties, verwijderingen) te bepalen.
- Gemaakte posities worden rotationeel uitgelijnd via het Kabsch-algoritme om $SE(3)$-invariantie te garanderen.
Interpolatiepaden: Op basis van de UOT-matching definieert het model conditionele waarschijnlijkheidspaden voor drie modaliteiten:
- Gemaakte Knopen (Matched Nodes): Posities volgen een Gaussisch pad; types volgen een scheduler.
- Ingevoegde Knopen (Insertion Nodes): Knopen worden gesampled op specifieke gebeurtenistijden met posities getrokken uit een Gaussische verdeling gecentreerd op het doel.
- Verwijderde Knopen (Deletion Nodes): Knopen blijven bestaan tot een specifieke gebeurtenistijd, waarna zij en hun randen worden verwijderd.
Verliesfunctie: De trainingsdoelstelling minimaliseert een Bregman-divergentie tussen voorspelde en doelstelling-conditionele generatoren, bestaande uit termen voor beweging (MSE), substitutie (cross-entropy), insertie (Poisson NLL en GMM), verwijdering (binary cross-entropy) en lading-voorspelling.

3. Belangrijkste Bijdragen

Uitbreiding naar 3D Geometrische Grafen: Dit werk breidt technieken voor flexibele-grootte sequentiegeneratie uit naar 3D geometrische grafen, wat een naadloze integratie van structurele priors (bijv. scaffolds) in het generatieve proces mogelijk maakt.
UOT-gebaseerd Matching Algoritme: De auteurs stellen een matching-algoritme voor op basis van Unbalanced Optimal Transport dat geometrische grafen van verschillende groottes uitlijnt om doel-waarschijnlijkheidspaden voor training te definiëren, waarbij de trans-dimensionale aard van het probleem wordt afgehandeld.
Verbeterde Stuurbaarheid en OOD Generatie: De paper demonstreert dat Morph de state-of-the-art (SOTA) fixed-size modellen evenaart in onconditionele generatie, terwijl het superieure eigenschap-stuurbaarheid biedt. Cruciaal is dat het succesvolle Out-of-Distribution (OOD) generatie mogelijk maakt in regimes (bijv. grotere molecuulgroottes) waar voorgaande modellen falen.

4. Resultaten

De-novo Design: Op de QM9-dataset bereikt Morph concurrerende metrieken (Atom Stability, Molecular Stability, Validity, Uniqueness) vergeleken met SOTA fixed-size modellen (FlowMol, MiDi, EQGAT-diff, SemlaFlow), vaak met minder of evenveel Number of Function Evaluations (NFE). Het presteert ook goed op de complexere GEOM-Drugs dataset.
Eigenschap-Sturing (Property Steering):
- Grootte-Conditionering: Wanneer geconditioneerd op atomaantallen die significant hoger zijn dan de trainingsdistributie (OOD), behoudt Morph een hoge validiteit en genereert het moleculen met tot wel 40% meer atomen dan het grootste voorbeeld uit de training. Fixed-size modellen falen in het extrapoleren in dit regime.
- LogP-Conditionering: Het model slaagt erin de grootte van gegenereerde moleculen te sturen op basis van de log partitiecoëfficiënt (logP), waarbij het de grootte-marginale van de trainingsdistributie herstelt en geldige moleculen genereert in gebieden met een lage support of OOD logP.
Scaffold Decoratie: In een lead-optimalisatietaak slaagt Morph erin kleine chemische scaffolds uit te breiden naar volledige moleculen terwijl de kernsubstructuur behouden blijft, waarbij een hoge validiteit en uniciteit wordt bereikt.

5. Betekenis en Claims

De paper claimt dat Morph een fundamentele beperking in huidige generatieve moleculaire vormgeving aanpakt: het onvermogen om de moleculaire grootte tijdens generatie aan te passen. Door de gezamenlijke verdeling van grootte en eigenschappen te leren, ontsluit Morph:

Ongeëvenaarde Sampling Flexibiliteit: Het vermogen om moleculen van variërende groottes te genereren vanuit één enkel model.
Verbeterd Ontdekkingspotentieel: Het vermogen om chemische ruimtes buiten de trainingsdistributie (OOD) te verkennen, wat essentieel is voor de ontdekking van nieuwe moleculen met specifieke, ongeziene eigenschappen.
Integratie van Structurele Priors: Het vermogen om scaffolds te gebruiken als startpunten voor flexibele expansie, een veelvoorkomende vereiste in drug discovery.

De auteurs erkennen beperkingen, waaronder verhoogde trainingskosten door combinatorische complexiteit, de noodzaak van meer epochs om SOTA-prestaties te bereiken, en de huidige afhankelijkheid van hoge integratiestappen vanwege de CTMC-aard van het model. Zij positioneren Morph als een veelbelovende bouwsteen voor het versnellen van ontdekkingen in de chemische wetenschappen, specifiek voor taken die flexibele grootte-generatie vereisen.