A Molecular Language Model Driven Genetic Algorithm for Multi-Objective Molecular Generation

Tiangai Yao

doi:10.1109/tevc.2026.3729853

A Molecular Language Model Driven Genetic Algorithm for Multi-Objective Molecular Generation

2026-09-01

0

PRE

AI

Carlos A. Coello Coello

DOI：10.1109/tevc.2026.3729853

原文链接

原文求助

摘要

En 中文

从头药物设计是一个涉及巨大化学空间的复杂多目标优化问题。传统虚拟筛选方法和深度生成模型受限于预定义分子库、不稳定的强化学习微调和多药理学目标下的弱可控性。进化算法（EAs）提供稳健的基于群体的搜索，但通常依赖启发式、基于规则的变异算子，将探索限制在已知骨架上并导致过早收敛。我们提出FragEvo，一种新颖的语言模型引导进化框架，通过NSGA-II将基于片段的分子语言模型（FragMLM）与多目标优化深度集成。其核心创新在于将预训练的FragMLM直接嵌入遗传变异过程中，利用模型的条件先验来参数化变异和交叉分布。这使遗传算子从静态、规则驱动的机制转变为概率性、语言指导的生成器，能够产生化学有效且语义新颖的后代。自适应反馈环进一步将生成分子的语义似然度与演化的适应度信号对齐，实现了探索与利用的动态平衡。在多个分子优化基准测试中，FragEvo实现了更强的对接性能和帕累托前沿质量，同时保持有竞争力的骨架多样性以及良好的成药性/合成可及性特征，支持一种语言模型引导的进化计算范式用于计算机辅助分子设计。

Keyword:

Multi-objective Optimization

Molecular Generation

Genetic Algorithm

Molecular Language Model

A Molecular Language Model Driven Genetic Algorithm for Multi-Objective Molecular Generation

摘要

期刊

机构

引用论文