概述

MolMIM 是一种用于小分子药物开发的先进生成模型，可以学习信息丰富且聚类的潜在空间。它是一种概率自编码器，可为可变长度的 SMILES 字符串提供固定长度的表示。MolMIM 通过互信息机 (MIM) 学习进行训练，并且可以使用其聚类潜在空间的扰动来采样有效的 SMILES 字符串。

MolMIM 可以

• 学习信息丰富且有意义聚类的潜在空间

• 使用初始种子分子从此潜在空间中采样有效分子

• 在特定约束下生成具有所需性质的新型小分子

注意

有关该模型的更详细描述，请参阅 MolMIM 手稿。

MolMIM 的训练过程促进了密集的潜在空间，从而简化了采样有效 SMILES 字符串的过程。与竞争技术的比较表明，就采样 SMILES 字符串的有效性、独特性和新颖性而言，MolMIM 具有卓越的分子生成能力。

MolMIM 功能

嵌入

从 MolMIM 检索给定输入分子的嵌入，从而实现

• 高维空间中的分子表示

• 分子的相似性分析和聚类

• 用作其他 AI 模型或算法的输入

隐藏状态

从 MolMIM 检索给定输入分子的隐藏状态（也称为“潜在代码”），从而实现

• 分析分子结构的潜在属性和模式

• 分子结构的操纵和修改

• 用作其他 AI 模型或算法的输入

解码

将隐藏状态表示解码为 SMILES 字符串序列，从而实现

• 从给定的潜在代码生成新型分子

• 从其隐藏状态重建原始输入分子

• 用作理解分子结构和潜在空间之间关系的工具

采样

在给定种子分子的缩放半径内采样潜在空间，以无引导方式生成新的分子样本，从而实现

• 探索给定分子周围的分子空间

• 用于生成多样化的分子集或库

• 用作引导采样或优化的起点

生成

使用 CMA-ES 引导的采样生成新型分子（可选地，在针对特定属性进行优化时），从而实现

• 针对特定属性或标准优化分子

• 用于生成具有所需性质或特征的分子

• 用于提高生成分子的质量或性能

NIM 的优势

NIM 为自托管 AI 应用程序提供了一种简单易用的部署途径。NIM 为系统管理员和开发人员提供的两个主要优势是

1. 提高生产力：NIM 通过提供一种标准化的方式将 AI 功能添加到应用程序中，使开发人员能够快速构建生成式 AI 应用程序，只需几分钟而不是几周。

2. 简化部署：NIM 提供容器，可以轻松部署在各种平台（包括云、数据中心或工作站）上，从而方便开发人员测试和部署其应用程序。

在小分子药物开发背景下，这些优势可以

1. 加速先导化合物优化：NIM 可用于加速先导化合物优化过程，通过快速生成和测试多种分子结构，使研究人员能够更有效地识别潜在的先导化合物。

2. 简化数据分析：NIM 可用于分析药物发现过程中生成的大型数据集，例如分子动力学模拟或高通量筛选数据，以识别可以为新药开发提供信息的模式和趋势。

3. 改进协作：NIM 可以通过提供用于共享和集成 AI 模型的标准化平台来促进研究人员之间的协作，使团队能够更有效和高效地协同工作。

4. 增强预测建模：NIM 可用于开发和部署预测模型，这些模型可以准确预测小分子的性质和行为，例如它们的结合亲和力或毒性，从而使研究人员能够在药物开发过程中做出更明智的决策。

MolMIM 是许多可应用于生物科学领域的 NIM 之一。NIM 使链接模型以开发完整的in silico药物发现管道变得容易。