신경 필드를 활용한 통합 원자 수준 분자 생성

Unified all-atom molecule generation with neural fields

November 19, 2025

저자: Matthieu Kirchmeyer, Pedro O. Pinheiro, Emma Willett, Karolis Martinkus, Joseph Kleinhenz, Emily K. Makowski, Andrew M. Watkins, Vladimir Gligorijevic, Richard Bonneau, Saeed Saremi

cs.AI

초록

구조 기반 약물 설계를 위한 생성 모델은 특정 양식에 제한되는 경우가 많아 광범위한 적용 가능성이 제한됩니다. 이러한 문제를 해결하기 위해 우리는 컴퓨터 비전 기반 프레임워크인 FuncBind를 소개합니다. 이 프레임워크는 원자 시스템 전반에 걸쳐 표적 구조에 조건화된 전원자 분자를 생성합니다. FuncBind는 신경장을 사용하여 분자를 연속적인 원자 밀도로 표현하고, 컴퓨터 비전 문헌에서 차용한 현대적 아키텍처를 적용한 점수 기반 생성 모델을 활용합니다. 이러한 양식 독립적 표현을 통해 단일 통합 모델이 소분자부터 대분자에 이르기까지 다양한 원자 시스템에 대해 학습될 수 있으며, 비표준 아미노산을 포함한 가변적인 원자/잔기 수를 처리할 수 있습니다. FuncBind는 표적 구조에 조건화된 소분자, 거대환상 펩타이드, 항체 상보성 결정 영역 루프 생성에서 경쟁력 있는 전산 성능을 달성했습니다. 또한 FuncBind는 선택된 두 공동결정 구조의 상보성 결정 영역 H3 루프를 데노보 재설계를 통해 새로운 항체 결합체를 시험관 내에서 생성했습니다. 마지막으로, 우리는 구조 조건화 거대환상 펩타이드 생성을 위한 새로운 데이터셋과 벤치마크를 제안합니다. 코드는 https://github.com/prescient-design/funcbind에서 이용 가능합니다.

English

Generative models for structure-based drug design are often limited to a specific modality, restricting their broader applicability. To address this challenge, we introduce FuncBind, a framework based on computer vision to generate target-conditioned, all-atom molecules across atomic systems. FuncBind uses neural fields to represent molecules as continuous atomic densities and employs score-based generative models with modern architectures adapted from the computer vision literature. This modality-agnostic representation allows a single unified model to be trained on diverse atomic systems, from small to large molecules, and handle variable atom/residue counts, including non-canonical amino acids. FuncBind achieves competitive in silico performance in generating small molecules, macrocyclic peptides, and antibody complementarity-determining region loops, conditioned on target structures. FuncBind also generated in vitro novel antibody binders via de novo redesign of the complementarity-determining region H3 loop of two chosen co-crystal structures. As a final contribution, we introduce a new dataset and benchmark for structure-conditioned macrocyclic peptide generation. The code is available at https://github.com/prescient-design/funcbind.