DrugGen 2：疾病感知语言模型赋能AI药物发现
【前沿科学转载】
传统的计算药物设计方法通常只针对特定蛋白靶点或通用分子性质来生成分子，往往忽略了疾病背景对靶点行为和治疗结果的影响。来自伊朗的研究团队近日在arXiv发表论文，提出了DrugGen-2——一种基于疾病本体和目标蛋白序列双重条件的新型生成式分子设计模型。
DrugGen-2通过在经过批准药物及其疾病-靶点信息的数据集上微调预训练的GPT-2模型开发。训练策略包含两步：监督微调（SFT）使模型适应领域数据，随后通过组相对策略优化（GRPO）的强化学习来优化分子的化学有效性、新颖性、多样性和高预测结合亲和力。
在糖尿病肾病相关的五个蛋白靶点上的评估中，DrugGen-2显著优于基线模型（DrugGPT和DrugGen）。分子对接分析进一步确认了候选配体的强结合潜力，其中一些化合物的预测结合亲和力（-9.917、-9.485、-9.367）超过了参照药物——例如血管紧张素转换酶抑制剂依那普利（-8.283）。
通过将疾病特异性上下文整合到分子生成中，DrugGen-2推进了AI辅助药物发现，为从头药物设计和药物重定位提供了有力工具，特别适用于需要考虑疾病与分子靶点复杂相互作用的场景。代码已在GitHub上开源。
来源：
📄 arXiv:2607.08404 — “DrugGen 2: A disease-aware language model for enhancing drug discovery”
👥 作者：Ali Motahharynia, Mohammadreza Ghaffarzadeh-Esfahani, Mahsa Sheikholeslami 等
🏷️ 分类：q-bio.QM, cs.AI, cs.LG
📅 提交日期：2026-07-09
💡 需要AI设计、品牌策划、PPT定制或科学咨询服务？
科学小舟团队提供：PPT代做（¥80起）、海报设计（¥50起）、品牌VI、H5开发、科学培训等专业服务。
📩 联系我们：6612989@qq.com | 🌐 kexuexiaozhou.cn