FreeSolvE: Solvent-Mediated Differentiable Pose Refinement and Ultra-Fast Biophysical Inductive Bias for Molecular Generation and Docking
FreeSolvE 是一种新颖的超快速可微引擎，它通过利用隐式溶剂化和关节运动学来高精度且以极低计算开销解决分子对接构象中的位阻碰撞，从而弥合了生成式人工智能与物理生物物理学之间的鸿沟。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
设计新药的过程通常始于一个简单的三维谜题：一个微小的药物分子如何嵌入人体内蛋白质靶点那复杂且折叠的形状之中？几十年来，科学家们一直依赖计算机模拟来预测这种契合度，希望能找到一种能将药物锁定在原位以阻止疾病的形状。近年来，人工智能改变了这一领域，提供了可以在数秒内生成数百万种潜在药物形状的工具。然而，这些快速的统计模型存在一个致命缺陷。由于它们主要基于分子的静态图像进行训练，因此经常产生在纸面上看起来正确但在现实中物理上不可能存在的形状。它们可能会将两个原子放置得如此之近，以至于它们会发生剧烈的排斥；或者它们可能会忽略药物是漂浮在水中而非真空中的事实。这些“幽灵”分子在数学上很优雅，但在生物学上却是破碎的，导致出现了一种危机：即最有希望的 AI 生成候选药物在面对物理定律测试时会立即失败。
来自班加罗尔 PES 大学研究员 Arjun Subbaraman 引入了一种名为 FreeSolvE 的新方法，旨在弥合人工智能与物理现实之间的鸿沟。Subbaraman 并没有试图强迫 AI 从头开始学习每条物理规则，而是构建了一个专门的引擎，作为这些数字分子的快速物理现实检查器。其核心思想是将药物和蛋白质视为浸泡在水中，因为生命正是这样运作的。在人体内，水围绕着每一个分子，充当着缓冲垫，减弱电场力，并将药物中不亲水的部位推入蛋白质的隐蔽处。Subbaraman 的系统利用这种“水作为媒介”的概念来瞬间纠正 AI 模型犯下的错误。它不仅仅是猜测分子应该去哪里，而是计算周围的水如何推动和拉动分子，直到它找到一个稳定的、无冲突的位置。
这项创新的关键在于如何进行这种计算。传统的模拟方法需要逐一模拟水分子，这极其缓慢，通常需要数小时甚至数天才能让单个药物形状达到有效的稳定状态。这些方法还非常脆弱；如果计算机程序遇到缺失的原子或奇怪的化学基团，往往会崩溃。Subbaraman 的系统通过使用“连续介质”方法避免了这些陷阱。该方法并不追踪单个水分子，而是将水视为填充在蛋白质周围空间的平滑、连续的流体。这使得计算机能够在不到一秒钟的时间内求解系统的物理问题。该软件使用一种针对标准计算机处理器优化的数学技术，来计算电场力和水对药物分子的压力，这意味着它不需要昂贵的专用超级计算机即可运行。
在针对五十组真实的药物-蛋白质对进行严格测试时，结果令人瞩目。在经过修正之前，AI 模型在几乎所有案例中都无法产生物理上有效的形状，只有 2% 的初始猜测能通过基本的安全性检查。在运行过 FreeSolvE 引擎后，成功率跃升至 52%。这种提升平均每种药物仅耗时 2.33 秒。为了让读者理解这个速度，传统的模拟方法（模拟每一个单独的水分子）实现类似的弛豫过程大约需要 12 小时。这个新系统比传统方法快了 18,000 倍以上，使得研究人员能够在过去测试一个药物候选物的时间内，测试成千上万种药物候选物。
除了修复错误的形状外，该系统还改变了这些 AI 模型的训练方式。通常，当计算机学习预测药物形状时，它仅因位置偏差微小而受到惩罚。它并不知道两个原子不能占据同一空间。通过将这种基于水的物理引擎直接嵌入到训练过程中，AI 从一开始就能学会避免不可能的形状。在实验中，一个没有这种帮助的标准 AI 模型仍处于不断的碰撞状态，即使经过多次尝试也无法修复其错误。而使用新引擎训练的模型则在仅仅五轮训练内就消除了所有的物理冲突。该系统在实现这一点的同时，并未放慢学习过程，每一步仅增加了极小的一 fraction 秒。
研究人员也仔细定义了他们工作的局限性。该系统假设蛋白质本身保持刚性，不会为了适应药物而改变形状，并且它不考虑可能在药物与蛋白质之间形成桥接的具体水分子。它是为了处理溶剂环境的总体推力和拉力，而非每一个单个水分子的精细细节。尽管存在这些界限，该工具仍为药物研发中的一个主要瓶颈提供了强大的解决方案。它提供了一种方法，可以将人工智能闪电般的预测能力瞬间落实到支配生命的物理定律之中。通过使实时检查数百万种药物形状物理有效性的成为可能，这种方法可以帮助科学家超越当前 AI 生成设计的局限，将精力集中在那些真正准备好在人体内发挥作用的分子上。该系统的代码现已向其他科学家开放，为确保数字药物设计不仅在统计学上具有可能性，而且在物理上是可能的，提供了一个新标准。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。