Small Molecule Generation (GenMol)

简介

GenMol是基于diffusion model的开源AI框架，用于分子生成。它从大型化学数据库中学习，生成类药物分子。GenMol能够同时优化多种属性（类药物特性、合成可得性），并提供合成规划，大致确保分子可在实验室中合成。
GenMol支持多种生成模式，满足不同的药物发现需求：

• 连接子设计/骨架变换：生成连接两个侧链的连接子
• 基团扩展：从给定基团片段扩展分子
• 骨架修饰：为大型骨架添加修饰
• 超结构生成：基于部分结构生成完整分子
• 单步连接子设计：直接连接两个片段，无需中间混合

参数说明

Mode

选择生成模式：Superstructure-Generation、Scaffold-Decoration、Motif-Extension、Linker-Design

• Superstructure-Generation：超结构生成，基于部分结构生成完整分子
• Scaffold-Decoration：骨架修饰，为大型骨架添加修饰
• Motif-Extension：基团扩展，从给定基团片段扩展分子
• Linker-Design：连接子设计，生成连接两个侧链的连接子

Molecule

分子结构文件，格式为SDF或SMILES，文件后缀为.sdf/.sd或.smi

• Linker-Design模式需要输入带*的两个小分子，可以通过wedraw工具生成。
  
  
  

Number of samples

该参数用于指定生成候选样本的数量。程序会按照该大小进行采样，随后自动过滤掉不符合设定片段拼接规则或子结构匹配要求的结果。因此，最终输出的有效样本数可能少于设定值。

Randomness

采样随机性因子，推荐范围 0–10；数值越低结果越稳定，数值越高结果越多样。

Output

输出文件名称

结果说明

生成符合要求的结果文件，result.sdf。

参考文献

• Lee, S., Kreis, K., Veccham, S. P., Liu, M., Reidenbach, D., Peng, Y., Paliwal, S., Nie, W., & Vahdat, A. (2025). GenMol: A Drug Discovery Generalist with Discrete Diffusion. arXiv preprint arXiv:2501.06158.DOI:https://arxiv.org/abs/2501.06158