AI+Drug 文献速递 | Omni-Mol创新性地构建了一个通用的分子表征空间，并解决了多任务学习中的冲突崩溃问题

1. Omni-Mol: Exploring Universal Convergent Space for Omni-Molecular Tasks

期刊：arXiv

链接：https://arxiv.org/abs/2502.01074

简介：Omni-Mol是一个能够同时处理多种分子任务的通用模型，创新性地构建了一个通用的分子表征空间，并解决了多任务学习中的冲突崩溃问题。它采用anchor-and-reconcile MoE架构，结合自适应梯度稳定和数据选择策略来提升性能。论文在包含15个任务的综合数据集（例如分子描述任务的Molcap和Description QA数据集，反应预测任务的USPTO和专利反应数据集）上进行实验，结果表明Omni-Mol在多个任务上优于现有的LLM模型和专业模型。Omni-Mol为构建通用的分子AI助手提供了一个可扩展的框架。

2. Generative latent diffusion language modeling yields anti-infective synthetic peptides

期刊：bioRxiv

链接：https://www.biorxiv.org/content/10.1101/2025.01.31.636003v1

简介：本文提出了一种名为AMP-Diffusion的生成式人工智能模型，通过潜在扩散语言模型生成具有广谱抗菌活性的合成肽，创新点在于利用蛋白质语言模型嵌入进行肽序列设计，显著提高了抗菌肽的发现效率。方法上，AMP-Diffusion在ESM-2嵌入空间中应用高斯噪声进行扩散，逐步去噪生成新肽序列，并结合APEX预测模型进行筛选。实验方面，作者从生成的50,000个候选序列中筛选出46个肽进行合成和验证，使用DRAMP 3.0、APD3和DBAASP数据集进行训练，结果显示这些肽对多种临床相关病原体具有显著抗菌活性，且在小鼠感染模型中表现出与标准抗生素相当的效果。总结来说，AMP-Diffusion为抗菌肽设计提供了一个高效的生成平台，具有应对抗菌素耐药性的潜力。

3. sciLaMA: A Single-Cell Representation Learning Framework to Leverage Prior Knowledge from Large Language Models

期刊：bioRxiv

链接：https://www.biorxiv.org/content/10.1101/2025.01.28.635153v1

简介：本文提出了一种名为scILaMA的单细胞表示学习框架，创新点在于通过整合预训练的多模态语言模型生成的静态基因嵌入与单细胞RNA测序数据，实现了细胞和基因的上下文感知表示学习，显著提升了单细胞数据分析的性能。方法上，scILaMA采用配对变分自编码器（VAE）架构，结合外部基因知识，生成上下文感知的细胞和基因表示。实验方面，作者使用多个单细胞RNA测序数据集（如胰腺数据集、PBMC 3K数据集和P0小鼠皮层数据集）进行验证，结果显示scILaMA在细胞聚类、批次效应校正、基因表达插补和基因模块发现等任务中均优于现有方法。总结来说，scILaMA为单细胞数据分析提供了一个高效且可解释的框架，能够更好地揭示细胞异质性和基因调控动态。

4. YDS-Ternoplex: Surpassing AlphaFold 3-Type Models for Molecular Glue-Mediated Ternary Complex Prediction

期刊：bioRxiv

链接：https://www.biorxiv.org/content/10.1101/2024.12.23.630090v2

简介：YDS-Ternoplex 是一种新颖的计算方法，通过在推理过程中引入增强采样归纳偏差，显著提高了分子胶介导的三元复合物结构预测的准确性，尤其在捕捉全新蛋白-蛋白相互作用方面表现出色。该方法基于商用的 AlphaFold 3 模型，通过整合增强采样归纳偏差，优化了对三元复合物的预测能力。研究人员在七个不同的测试案例中验证了该模型，包括 E3 连接酶系统和非 E3 连接酶复合物，并与实验结构进行比较，结果显示 RMSD 值低，成功预测了训练数据中未见的新蛋白-蛋白相互作用界面。YDS-Ternoplex 的成功为分子胶药物的理性设计提供了新的工具，推动了针对以往难以靶向的蛋白的药物开发。

5. Prognostic predictions in psychosis: exploring the complementary role of machine learning models

期刊：medRxiv

链接：https://www.medrxiv.org/content/10.1101/2025.01.30.25321382v1

简介：本论文研究了机器学习模型（MLM）在预测精神分裂症患者的症状和功能性缓解方面的表现，并将其与精神科医生的预测进行了比较。研究人员使用了OPTiMiSE数据集，并采用了一种基于循环神经网络的MLM来预测患者的症状和功能性缓解。实验中，研究人员使用了OPTiMiSE数据集中的66个病例，并将其分为三个组，每组由22个病例组成。精神科医生和MLM分别对每个病例进行了预测，并将预测结果与实际结果进行了比较。结果显示，MLM的预测准确性与精神科医生相似，但在某些情况下可以提供更好的预测结果。本论文的研究结果表明，MLM可以作为精神科医生的辅助工具，为他们提供更好的预测结果，从而改善患者的治疗效果。

6. ImputeBench: Benchmarking Single Imputation Methods

期刊：medRxiv

链接：https://www.medrxiv.org/content/10.1101/2025.02.02.25321536v1

简介：本文提出了一个名为 ImputeBench 的标准化基准测试协议和 R 包，用于评估和选择缺失值插补方法，其创新在于提供了一个统一的框架，结合了灵活的数据和缺失模式模拟协议。ImputeBench 通过对真实或模拟数据引入人工缺失值，然后使用不同的 MVI 方法进行插补，并将插补结果与真实值比较，来评估各种 MVI 方法的性能。论文使用 ImputeBench 比较了 k-nn、soft impute、missForest 和 MICE 等几种现有插补方法在模拟数据和真实营养数据上的性能，结果表明，不同方法的相对性能取决于数据和缺失模式的具体特征。ImputeBench 为 MVI 方法的基准测试提供了一个标准化、可重复的工具，有助于选择最合适的插补方法。

7. SpatialPPIv2: Enhancing protein–protein interaction prediction through graph neural networks with protein language models

期刊：Computational and Structural Biotechnology Journal

链接：https://www.csbj.org/article/S2001-0370(25)00022-4/fulltext

简介：SpatialPPIv2 是一种基于图神经网络的蛋白质-蛋白质相互作用预测模型，利用大型语言模型和图注意力网络，无需依赖蛋白质结构预测算法即可独立进行预测，相比前代提升了特异性和鲁棒性。该模型使用语言模型提取残基序列特征，并通过图注意力网络捕获蛋白质之间的关系特征，最终输出相互作用概率。研究人员使用 PINDER 数据集对模型进行训练和评估，结果表明 SpatialPPIv2 优于其他最先进的 PPI 预测器，并在使用不同结构预测方法时也表现出鲁棒性。SpatialPPIv2 为 PPI 预测提供了一个更准确、可靠和易用的解决方案，可用于蛋白质功能研究、药物发现和合成生物学。

8. GraphPhos: Predict Protein-Phosphorylation Sites Based on Graph Neural Networks

期刊：Int. J. Mol. Sci.

链接：https://www.mdpi.com/1422-0067/26/3/941

简介：GraphPhos 是一种基于图神经网络的蛋白质磷酸化位点预测模型，创新性地将蛋白质结构信息以图的形式引入模型，并实现了对丝氨酸、苏氨酸和酪氨酸三种氨基酸的通用预测。该模型结合了蛋白质的接触图和四种氨基酸特征，利用 GraphSAGE 和 ProtBERT-CNN 模块提取特征，最后通过全连接层进行预测。实验使用 UniProt 数据库的 2171 个蛋白质序列作为数据集，并分别使用 PDB 数据库的真实结构和 AlphaFold2 预测的结构进行实验，结果表明 GraphPhos 在三种氨基酸的磷酸化位点预测中准确率显著提升，即使使用预测的蛋白质结构也能保持良好性能。GraphPhos 为蛋白质磷酸化位点预测提供了一种更准确和通用的方法，具有广泛的应用前景。

9. TriCvT-DTI: Predicting Drug-Target Interactions Using Trimodal Representations and Convolutional Vision Transformers

期刊：IEEE Journal of Biomedical and Health Informatics

链接：https://ieeexplore.ieee.org/abstract/document/10858337

简介：TriCvT-DTI 是一种基于三模态数据的新型药物-靶点相互作用预测模型，创新性地整合了卷积视觉Transformer (CvT) 提取分子图像特征，实现了更高的预测准确性和泛化能力。该模型分别使用 CvT、k-gram 方法和图神经网络提取分子图像、化学序列和图特征，然后将三者融合进行 DTI 预测。实验使用了 Human、C. elegans 和 Davis 三个数据集，结果表明 TriCvT-DTI 的性能优于现有方法，消融实验也验证了三模态融合和 CvT 的有效性。TriCvT-DTI 为药物发现研究提供了新的、更有效的工具。

10. Transfer Learning on Protein Language Models Improves Antimicrobial Peptide Classification

期刊：Research Square

链接：https://www.researchsquare.com/article/rs-5768912/v1

简介：本文研究了迁移学习在蛋白质语言模型(PLM)上对改进抗菌肽(AMP)分类预测的有效性，发现更大的模型规模和参数微调能显著提升预测准确率。研究采用了基于嵌入的迁移学习和参数微调（LoRA和QLoRA）两种方法。实验使用了七个AMP数据集（XUAMP、APD3、CAMP、dbAMP、DRAMP、LAMP 和 YADAMP），结果表明，基于PLM嵌入的迁移学习，特别是使用较大规模的模型，在多数数据集上优于现有方法；参数微调则能进一步提升性能，且QLoRA在不降低性能的前提下显著减少了内存需求。基于PLM的迁移学习，特别是结合参数微调技术，为AMP分类提供了一个强大、高效的框架。

11. Meta-Learning Enables Complex Cluster-Specific Few-Shot Binding Affinity Prediction for Protein–Protein Interactions

期刊：Journal of Chemical Information and Modeling

链接：https://pubs.acs.org/doi/10.1021/acs.jcim.4c01607

简介：MCGLPPI++ 框架利用元学习改进预训练几何模型在未见蛋白质复合物簇中的PPI结合亲和力预测，并通过基于蛋白质相互作用界面的训练样本簇分裂模式和独立的能量组件增强元学习优化。该框架使用基于粗粒度蛋白质复合物图的几何图神经网络作为基础学习器，结合元学习和非键相互作用能建模进行预测。实验使用包含 TCR-pMHC 结合的新数据集，结果表明 MCGLPPI++ 框架在少量样本微调后实现了比 GearNet-Edge、ESM2 和 Rosetta 等方法更稳健的结合亲和力预测。MCGLPPI++ 为未见蛋白质复合物簇的 PPI 结合亲和力预测提供了一个更有效和鲁棒的解决方案。

12. Docking-Aware Attention: Dynamic Protein Representations through Molecular Context Integration

期刊：arXiv

链接：https://arxiv.org/abs/2502.01461

简介：本文提出了一种名为Docking-Aware Attention (DAA)的新架构，通过将分子对接信息整合到注意力机制中，生成动态的、上下文依赖的蛋白质表示，显著提升了酶催化反应预测的准确性。该方法利用分子对接的物理相互作用分数与学习的注意力模式相结合，专注于蛋白质与特定分子相互作用最相关的区域。实验在ECREACT数据集上进行，结果显示DAA在复杂分子和创新反应预测中分别达到了62.2%和55.54%的准确率，优于现有方法。研究表明，DAA能够生成可解释的注意力模式，适应不同的分子环境，为生物催化预测提供了更精确的蛋白质表示。

13. Deep Active Learning based Experimental Design to Uncover Synergistic Genetic Interactions for Host Targeted Therapeutics

期刊：arXiv

链接：https://arxiv.org/abs/2502.01012

简介：DeepAL 框架利用深度主动学习和知识图谱，高效设计双基因敲除实验以识别抑制病毒复制的基因组合。该框架使用 R-GCN 从 SPOKE 知识图谱学习基因表示，并结合集成方法量化不确定性，迭代选择最有潜力的基因对进行实验验证。实验使用包含 356 个人类基因的 HIV 感染双基因敲除数据集，DeepAL 在观察不到 6.3% 的矩阵的情况下，即可发现 92% 的前 400 个有效基因对，补充材料中还包含批量大小为 200 和 800 的实验结果。DeepAL 为宿主靶向疗法提供了高效的双基因敲除实验设计方案。

14. TFBS-Finder: Deep Learning-based Model with DNABERT and Convolutional Networks to Predict Transcription Factor Binding Sites

期刊：arXiv

链接：https://arxiv.org/abs/2502.01311

简介：TFBS-Finder 模型结合 DNABERT、CNN、MCBAM 和 MSCA，能够更准确地预测转录因子结合位点。该模型利用 DNABERT 嵌入 DNA 序列，并使用 CNN、MCBAM 和 MSCA 提取和增强局部特征，最终进行 TFBS 预测。在 165 个 ENCODE ChIP-seq 数据集上进行的实验表明，TFBS-Finder 的性能优于现有方法，消融研究和交叉细胞系验证也证实了其有效性和鲁棒性。TFBS-Finder 为研究基因调控网络提供了一个强大的新工具。

15. Leveraging Large Language Models to Predict Antibody Biological Activity Against Influenza A Hemagglutinin

期刊：arXiv

链接：https://www.arxiv.org/abs/2502.00694

简介：本研究首次利用预训练的生物医学语言模型MAMMAL预测抗体对甲型流感血凝素的生物活性，创新性地仅通过序列信息实现预测。研究通过对MAMMAL模型进行微调，并采用多种数据分割方案评估模型在实际应用场景中的表现。实验使用了包含188个单克隆抗体和79个血凝素的数据集，涵盖4,922个结合活性数据和5,035个血凝抑制数据，结果显示模型在已知序列预测中表现优异（AUROC≥0.91），对新序列预测也具有良好效果（AUROC=0.9），但在预测全新抗体时性能有所下降（AUROC=0.73）。该研究为抗体设计提供了一个高效的计算框架，有望显著加速抗体研发过程。

16. Transformers trained on proteins can learn to attend to Euclidean distance

期刊：arXiv

链接：https://arxiv.org/abs/2502.01533

简介：本文研究了标准Transformer模型在学习近似SE(3)-不变距离度量方面的能力，证明了Transformer可以通过注意力机制学习到高斯距离滤波器，从而实现对蛋白质结构的推理。该研究使用了标准Transformer模型，并通过在注意力机制中集成高斯距离滤波器来学习近似SE(3)-不变距离度量。实验使用了模拟点数据集和蛋白质数据集，结果表明Transformer模型能够有效地学习到高斯距离滤波器，并在蛋白质结构推理任务中取得了良好的性能。具体来说，在模拟点数据集上，模型通过学习高斯距离滤波器实现了对距离的准确预测；在蛋白质数据集上，模型在预测蛋白质功能方面优于现有的基于图神经网络的方法。本研究证明了标准Transformer模型在学习近似SE(3)-不变距离度量方面的能力，并在蛋白质结构推理任务中取得了良好的性能，为蛋白质结构预测和功能预测提供了新的方法和思路。

17. FragmentNet: Adaptive Graph Fragmentation for Graph-to-Sequence Molecular Representation Learning

期刊：arXiv

链接：https://arxiv.org/abs/2502.01184

简介：FragmentNet 是一种分子表示学习方法，创新性地使用自适应图分词器和 Masked Fragment Modeling (MFM) 任务来学习分子的表示。该方法使用自适应图分词器将分子分解为子结构，然后使用 MFM 任务来预测被遮蔽的子结构，从而学习到分子的表示。实验使用了 MoleculeNet 和 Malaria 数据集，结果表明 FragmentNet 在多个任务上优于现有的方法，包括分子性质预测和药物发现等。总的来说，FragmentNet 提供了一种新的分子表示学习方法，实验结果表明其在多个任务上优于现有的方法。

18. ML-Dev-Bench: Comparative Analysis of AI Agents on ML development workflows

期刊：arXiv

链接：https://www.arxiv.org/abs/2502.00964

简介：ML-Dev-Bench 基准测试评估了 AI 代理在实际机器学习开发工作流程中的能力，填补了现有基准测试的空白。该基准测试包含 25 个任务，涵盖数据集处理、模型训练、调试、模型实现、API 集成和性能优化等方面，并使用 Calipers 评估框架对 ReAct、Openhands 和 AIDE 三个代理进行评估。实验使用了 noisy imagenette、CIFAR10 等数据集，结果表明 OpenHands-Sonnet 表现最佳，其次是 ReAct-Sonnet，而 AIDE-4o 和 ReAct-4o 表现较差。ML-Dev-Bench 为评估 AI 代理在实际机器学习开发中的能力提供了新的基准，并揭示了现有代理的优势和局限性。