AI+Drug 文献速递 | UniMap为单细胞研究提供强大的工具，能够有效整合和注释复杂数据集，提升研究的可靠性和可解释性

1. UniMap: Type-Level Integration Enhances Biological Preservation and Interpretability in Single-Cell Annotation

期刊：Adv. Sci.

链接：https://doi.org/10.1002/advs.202410790

简介：本文提出了一种名为UniMap的新型单细胞数据整合与注释框架，创新性地通过多选择对抗网络实现类型级别的数据整合，有效解决了部分重叠数据集和不同注释粒度下的干扰问题。UniMap利用特征提取模块、标签预测模块和类型特异性判别模块，能够识别并排除干扰细胞，保留生物变异性，并在多种情况下实现高精度的单细胞自动注释。实验使用了PBMC CVID、BM、PBMC COVID-19、PBMC MG和跨物种数据集，结果表明UniMap在生物信息保留和批次校正方面表现优异，特别是在部分重叠数据集和高分辨率注释任务中显著优于现有方法。总结而言，UniMap为单细胞研究提供了一个强大的工具，能够有效整合和注释复杂数据集，提升研究的可靠性和可解释性。

2. SE(3)-Equivariant Ternary Complex Prediction Towards Target Protein Degradation

期刊：arXiv

链接：https://arxiv.org/abs/2502.18875

简介：本文提出了一种名为DeepTernary的深度学习框架，用于预测由PROTACs和MGDs诱导的三元复合物结构，创新点在于首次将深度学习应用于PROTAC结构预测，并首次实现了MGD结构的计算机预测。该方法基于SE(3)-等变图神经网络和基于查询的Pocket Points Decoder，能够直接预测三元复合物的结构。实验使用了从蛋白质数据库（PDB）中收集的高质量三元复合物数据集TernaryDB进行训练，并在PROTAC和MGD基准测试中取得了最先进的性能，平均推理时间分别为7秒和1秒。结果表明，DeepTernary在预测三元复合物结构方面具有高效性和准确性，能够有效辅助和加速靶向蛋白降解药物的开发。

3. Chemical knowledge-informed framework for privacy-aware retrosynthesis learning

期刊：arXiv

链接：https://arxiv.org/abs/2502.19119

简介：本文提出了一种基于化学知识的隐私保护逆合成学习框架（CKIF），通过分布式训练和化学知识引导的模型聚合，解决了传统逆合成学习中数据隐私和异构性问题。该方法通过迭代的本地学习和模型参数交换，利用分子指纹相似性计算自适应权重，实现了个性化模型的训练。实验在USPTO-50K、USPTO-MIT和USPTO 1k TPL数据集上进行，结果表明CKIF在多个评估指标上显著优于本地训练和集中训练的模型，特别是在数据异构性和隐私保护方面表现出色。CKIF为隐私敏感的化学数据共享和协作研究提供了有效的解决方案。

4. Merging Clinical Knowledge into Large Language Models for Medical Research and Applications: A Survey

期刊：arXiv

链接：https://arxiv.org/abs/2502.20988

简介：这篇论文综述了将临床知识融入大语言模型（LLMs）以推动医学研究和应用的最新进展，创新点在于系统比较了学术界与工业界在构建医学LLMs方面的差异，并探讨了未来研究方向。研究方法包括分析医学数据集、构建方法和评估体系，以及对比学术研究和工业产品的医学LLMs。实验部分详细介绍了多种医学LLMs的构建过程，使用了如PubMed、MedDialog、MIMIC-CXR等数据集，并展示了这些模型在医学问答、诊断辅助等任务中的优异表现。总结指出，尽管医学LLMs在多个领域展现出巨大潜力，但仍面临数据质量、模型解释性等挑战，未来研究应进一步推动学术与临床实践的深度融合。

5. BAnG: Bidirectional Anchored Generation for Conditional RNA Design

期刊：arXiv

链接：https://arxiv.org/abs/2502.21274

简介：本文提出了一种名为RNA-BAnG的深度学习模型，采用双向锚定生成（BAnG）方法，用于设计能够与特定蛋白质结合的RNA序列，无需依赖大量实验数据或RNA结构信息。该方法通过从结合基序开始双向生成序列，利用Transformer架构和几何注意力机制，结合AlphaFold2预测的蛋白质结构信息，生成RNA序列。实验验证包括合成任务和生物序列生成，使用RNAcompete数据集进行评估，结果显示RNA-BAnG在生成高亲和力RNA序列方面优于现有方法。该研究为RNA-蛋白质相互作用研究提供了一种灵活且高效的工具。

6. RefineScore: Improving Ligand Docking Accuracy and Interpretability by Predicting MDN Corrective Physical Interactions

期刊：ChemRxiv

链接：https://doi.org/10.26434/chemrxiv-2025-kbhfb-v2

简介：本文提出了一种名为RefineScore的新型混合统计-物理评分函数，通过神经网络参数化的物理能量项学习潜在的物理规律，并引入混合密度网络（MDN）预测范德华力和氢键对的距离似然，从而修正经典能量方程，显著提高了蛋白质-配体相互作用的评分和排名能力。该方法结合了传统力场和几何深度学习的优势，既保留了机器学习建模的优点，又提供了物理可解释性，能够高效捕捉复杂的蛋白质-配体相互作用模式。实验在CASF-2016、DEKOIS2.0和DUD-E等多个权威基准数据集上进行评估，结果表明RefineScore在评分、排名和虚拟筛选任务中均表现出色，特别是在CASF-2016基准测试中达到了SOTA的评分和排名能力。该研究不仅推动了评分函数的发展，还为未来的药物发现和设计提供了新的思路。

7. Skittles: GNN-Assisted Pseudo-Ligands Generation and Its Application for Binding Sites Classification and Affinity Prediction

期刊：Proteins

链接：https://doi.org/10.1002/prot.26816

简介：本文提出了一种基于图神经网络（GNN）的伪配体生成方法Skittles，创新性地解决了配体-蛋白质结合位点分类和亲和力预测问题。该方法通过两步实现：首先使用GNN生成伪配体形状，然后预测每个点的原子类型，并训练了13个GNN模型来预测不同原子类型的可能性。实验使用了来自RCSB PDB的8150个配体-蛋白质晶体数据集进行模型训练，结果表明Skittles在原子类型预测、结合位点分类和亲和力预测方面均表现出较高的准确性，尤其在结合位点分类任务中，其ROC AUC值超过0.9。总结而言，Skittles为结构生物学和药物设计中的关键问题提供了新的解决方案，展示了GNN在该领域的广泛应用潜力。

8. Discordance between a deep learning model and clinical-grade variant pathogenicity classification in a rare disease cohort

期刊：NPJ Genomic Medicine

链接：https://doi.org/10.1038/s41525-025-00480-w

简介：本文研究了深度学习模型AlphaMissense在罕见病队列中预测错义变异致病性的表现，发现其与临床级变异致病性分类存在显著差异，特别是在内在无序区域（IDRs）中表现不佳。研究通过比较AlphaMissense与ClinVar等数据库的分类结果，评估了其精确度和召回率，并与其他深度学习和非深度学习方法进行了对比。实验使用了来自7454名罕见病患者及其家属的全外显子测序（WES）数据，结果显示AlphaMissense在ClinVar_P和ClinVar_LP变异上的精确度为32.9%，召回率为57.6%。研究表明，尽管深度学习在生物医学领域取得了显著进展，但在罕见病变异预测中仍需进一步优化，特别是在整合表型信息和基因型数据方面。

9. SemlaFlow -- Efficient 3D Molecular Generation with Latent Attention and Equivariant Flow Matching

期刊：arXiv

链接：https://arxiv.org/abs/2406.07266

简介：本文提出了一种高效的3D分子生成模型SEMLAFLOW，通过引入E(3)等变消息传递架构和等变流匹配技术，显著提升了分子生成的速度和质量。该方法采用了一种新颖的等变架构SEMLA，通过在潜在空间中应用节点注意力，大幅提高了计算效率，并结合流匹配模型生成分子拓扑、原子坐标和形式电荷的联合分布。实验在QM9和GEOM Drugs数据集上进行，结果表明SEMLAFLOW在仅需20次采样步骤的情况下，达到了当前最先进的生成效果，采样速度提升了两个数量级。本文还指出了现有3D生成评估方法的局限性，并提出了新的基准指标，进一步验证了SEMLAFLOW在生成高质量分子样本方面的卓越性能。

10. UniGEM: A Unified Approach to Generation and Property Prediction for Molecules

期刊：arXiv

链接：https://arxiv.org/abs/2410.10516

简介：本文提出了一种名为UniGEM的统一生成模型，首次成功地将分子生成和分子属性预测任务结合起来，显著提升了两个任务的性能。该方法采用了一种新颖的两阶段生成过程，首先在分子成核阶段生成分子骨架，然后在分子生长阶段引入属性预测任务，并通过创新的训练策略优化任务平衡。实验在QM9和GEOM-Drugs两个数据集上进行，结果表明UniGEM在分子生成和属性预测任务上均优于现有方法，特别是在分子稳定性方面提升了约10%。UniGEM的成功为分子生成和属性预测的统一模型提供了新的范式，并有望在自然语言处理和计算机视觉等领域产生广泛影响。