The success of generative molecular design depends on a model's steerability toward high-reward samples. Because many molecular properties are intrinsically linked to molecular size, accurately capturing the joint distribution of properties and the number of atoms is essential. However, current diffusion and flow-based models fix the number of atoms, which ultimately limits their ability to navigate this complex relationship. To address this, we introduce Morph, a flexible-size generative model for conditional and unconditional 3D molecular design based on geometric graphs. By dynamically adapting size, Morph can seamlessly integrate existing structural priors, like scaffolds, and significantly enhances property steering. We show that Morph matches current fixed-size state-of-the-art models while significantly increasing sampling flexibility. We demonstrate out-of-distribution generation in regimes where previous models fail, paving the way for enhanced generative modeling for molecular design.
실제 환경의 분자 설계는 대규모 언어 모델(LLM) 기반 에이전트에게 여전히 까다로운 과제입니다. 이는 에이전트가 설계 맥락을 해석하고, 여러 제약 조건을 충족하며, 실현 불가능한 사양을 식별하고, 다단계 도구 출력에 걸쳐 추론할 것을 요구합니다. 기존 벤치마크는 명시적이고 협소한 제약 조건, 실현 가능한 문제, 단일 경로 솔루션에만 집중하여 이러한 복잡성을 담아내지 못합니다. 이러한 격차를 해소하기 위해, 본 논문에서는 도구 증강 LLM 에이전트를 평가하기 위해 실제 분자 설계를 더욱 밀접하게 반영하는 시나리오 기반 벤치마크인 MolDesignBench를 제안합니다. MolDesignBench는 설계 서사에 내포된 암묵적 요구사항과 명시적인 물성 및 작용기 제약 조건을 결합한 2,000개의 생성 및 최적화 인스턴스로 구성되며, 실현 불가능한 사례를 포함하고 17개의 특화된 화학 도구를 효과적으로 사용할 것을 요구합니다. 다양한 최신 LLM을 대상으로 한 실험 결과, 최고 성능 모델도 약 43%의 성공률에 그치는 등 전반적으로 낮은 성공률을 보였으며, 암묵적 제약 조건 추론, 실현 불가능성 감지, 도구 추론에서 빈번한 실패가 나타났습니다. 이에 상응하는 세밀한 실패 모드 분석을 통해 암묵적 제약 조건 해석과 실현 불가능성 감지가 주요 병목 현상임을 확인하였으며, MolDesignBench가 화학 에이전트에 대한 향후 연구를 이끌 엄격한 시험대임을 확립합니다. 해당 벤치마크, 도구 인터페이스, 평가 코드는 공개되어 있습니다.
생성형 인공지능(GenAI)은 유전체학, 단백질체학, 전사체학, 구조생물학, 약물 발견을 발전시키며 생물정보학을 변화시키고 있다. 체계적 문헌고찰 및 메타분석 보고 가이드라인(Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA) 프레임워크에 따라, 본 리뷰는 방법론적 혁신, 예측 성능, 특화, 한계, 데이터 사용 측면에서 영향력 있는 GenAI 전략을 평가하기 위해 여섯 가지 연구 질문을 다룬다. RQ1은 GenAI가 서열 분석, 분자 설계, 통합 데이터 모델링을 지원하며, 향상된 패턴 인식과 생성을 통해 종종 전통적 방법보다 우수한 성능을 보인다는 것을 보여준다. RQ2는 도메인 특화 사전학습과 컨텍스트 인식 설계로 인해 특화 아키텍처가 일반 목적 모델보다 일반적으로 우수한 성능을 보인다는 것을 발견한다. RQ3는 분자 분석과 생물학적 데이터 통합에서 향상된 정확도와 분석 오류 감소를 포함한 이점을 확인한다. RQ4는 확립된 벤치마크에 뒷받침된 구조 모델링, 기능 예측, 합성 데이터 생성의 발전을 보고한다. RQ5는 확장성 부족, 데이터 바이어스, 제한된 일반화 가능성을 포함한 주요 한계를 강조하고, 더 강력한 평가와 생물학적으로 근거 있는 모델링을 권고한다. RQ6는 UniProtKB와 ProteinNet12를 포함한 분자 데이터셋, CELLxGENE와 GTEx를 포함한 세포 데이터셋, PubMedQA와 OMIM을 포함한 텍스트 자원이 모델 학습과 일반화를 지원한다는 것을 보여준다. 전반적으로, 본 리뷰는 더 정확하고 특화되며 통합적인 생물정보학 분석을 통해 계산생물학을 발전시킬 GenAI의 증가하는 잠재력을 보여준다.
약물 발견, 소재 설계, 촉매 반응 등에서 분자 최적화는 고정밀 오라클(oracle)과 실험 측정이 비용이 크기 때문에, 제한된 평가 예산 하에서 광대한 화학 공간을 탐색해야 한다. 따라서 최적화 방법의 실용적 영향력은 샘플 효율성, 즉 강력한 후보를 찾는 데 필요한 평가 횟수가 얼마나 적은지에 달려 있다. 우리는 적응적으로 생성된 분자에 대한 베이지안 최적화(Bayesian optimization) 프레임워크인 Sample Efficient Generative Optimization(SEGO)를 제안한다. SEGO에서는 확률적 대리 모델(surrogate model)이 화학 공간에서 hit가 존재할 위치에 대한 가설을 세우고, 생성 모델이 해당 영역의 후보를 제안하며, 획득 함수(acquisition function)를 통해 가장 유망한 후보가 선택되고, 그에 따른 오라클 호출 결과는 대리 모델을 정교화하는 데와 생성기를 실제 보상에 고정(anchor)하는 데 모두 사용된다. SEGO는 실용적 분자 최적화(PMO) 벤치마크에서 다른 방법들이 소비하는 오라클 호출의 10분의 1만으로 최첨단(state-of-the-art) 성능을 달성했으며, 다중 파라미터 도킹(docking) 과제에서는 기존 접근법 대비 대략 절반의 오라클 호출로 10개의 hit에 도달한다. 이러한 성능 향상은 분자 최적화를 직접적인 실험 피드백에 기반한 캠페인에 더 가깝게 이끈다.
본 논문은 프래그먼트 기반, 기하학 인식, 순서 비의존(order-agnostic) 자기회귀(autoregressive) 분자 설계 모델인 MolMiner를 제안한다. MolMiner는 부분 명세로부터 12가지 물리화학적·구조적 성질에 대한 고차원 조건부 제어를 지원하며, 대칭 인식(symmetry-aware) 프래그먼트 부착을 통해 분자를 구성하고, 각 생성 단계를 부분 구조의 힘장(force-field) 이완 3차원 기하에 조건화한다. 조건부 제어는 보조 속성 손실 없이도 나타난다. 타깃 속성 구간에서 조건화는 무조건 생성 대비 최대 5.25배, 학습 분포 자체 대비 3.5배까지 적중률(hit rate)을 높여 모델의 내재 편향을 덮어쓰며, 무조건 분포 충실도는 소폭 감소하는 비용이 따른다. MolMiner는 동적 기하, 대칭 처리, 순서 비의존 생성, 확장 가능한 다중 속성 조건화를 단일 프레임워크 안에서 통합한다.
많은 재료 및 제품 설계 문제에서 바람직한 후보는 단일 최적값을 달성하는 것보다는 허용 가능한 범위 내에 속하는 특성을 나타냅니다. 이러한 사양을 만족하는 여러 가지 뚜렷한 해(solution)를 찾아내는 것 또한 실용적으로 가치가 있습니다. 비용, 가공성(processability), 또는 강건성(robustness)과 같은 이유로 일부 후보가 선호될 수 있기 때문인데, 이러한 요소들은 목적 함수에 직접 반영하기 어렵습니다. 본 연구에서는 획득 함수(acquisition function)가 후보가 목표 범위를 만족할 사후 확률을 직접 평가하는 범위 인식 베이지안 최적화(BO) 프레임워크를 개발했습니다. 이 프레임워크는 공유된 후보 공간에서 여러 가지 뚜렷한 사양을 병렬로 탐색하는 것으로 자연스럽게 확장됩니다. 다양한 벤치마크 작업에서 범위 인식 획득 함수는 기존 표준 BO 기준 모델(baselines)과 최근의 목표 탐색 방법(goal-seeking methods)보다 더 크고 다양한 유효한 설계 집합을 일관되게 찾아냈습니다. 양자 화학 계산으로 지원되는 중합체 합성을 위한 반응 조건 최적화와 지정된 광학 흡수 대역(optical absorption bands)에 대한 서열 정의 올리고머(sequence-defined oligomer) 발견을 포함하는 두 가지 실무적인 설계 사례 연구를 통해 그 유용성이 추가로 입증되었습니다. 이러한 결과는 범위 인식 BO가 설계의 유연성과 해(solution)의 다양성이 중요한 고려 사항인 경우, 특히 사양 기반 설계(specification-driven design)를 위한 실용적이고 샘플 효율적인 기반을 제공할 수 있음을 시사합니다.
목표 특성을 갖는 분자 설계는 후보 구조에 실현 가능한 합성 경로가 수반될 때 가장 유용합니다. 본 논문에서는 목표 지향 분자 설계를 위한 경로 기반 진화적 프레임워크인 My Chemical Harness를 소개합니다. 이 프레임워크에서 탐색 집단은 고립된 분자 그래프가 아닌 실행 가능한 합성 경로로 구성됩니다. 각 경로는 구매 가능한 빌딩 블록과 반응 템플릿으로부터 구축되며, 결정론적 화학 도구에 의해 실행되고 과제 특화 분자 오라클을 통해 점수가 매겨집니다. 대규모 언어 모델(LLM)은 경로 길이, 이동 유형, 반응 패밀리, 모티프 및 탐험 압력에 대한 고수준 선호도를 선택하는 전략 컨트롤러로만 사용되며, 로컬 코드는 경로 구축, 검증, 중복 제거, 점수 매기기, 선택 및 메모리 업데이트를 수행합니다. 이러한 분리를 통해 LLM은 환각 생성물이나 지원되지 않는 반응 단계를 도입하지 않으면서도 탐험을 유도할 수 있습니다. 가용성 에폭시드 가수분해 효소(sEH) 대리 과제에서 본 LLM 에이전트는 단일 패스 LLM 및 결정론적 컨트롤러보다 우수한 성능을 보였으며, sEH 점수, 합성 가능성 점수, AiZynthFinder 성공률 지표에서 최첨단 성능을 달성했습니다. 이러한 결과는 제약된 LLM 에이전트가 학습, 파인튜닝 또는 전용 생성 모델 없이도 분자 발견에 있어 중요한 역할을 할 수 있음을 시사합니다.