应用场景
预览展示从预测输入到轨迹优化的完整工作流
核心技术架构
超图 DTI 预测与 Feynman-Kac 分子编辑轨迹优化协同工作
超图 DTI 预测
构建多层次分子超图表示，结合蛋白序列条件，预测药物-靶点相互作用强度并生成可解释报告
Feynman-Kac 轨迹优化
以当前分子和蛋白条件为起点，对分子编辑路径进行倾斜采样，得到满足目标方向的终点候选
多目标能量排序
综合亲和力变化、结构连续性、编辑复杂度、可合成性、ADMET 与不确定性，对轨迹终点进行排序
预测模型与轨迹优化
预测层负责识别相互作用，优化层负责生成可解释的分子编辑路径
𝒢𝓇𝒶𝓅𝒽
\( \mathcal{G} = (V, E),\ e = (u, v) \)
- 二元关系：每条边只能连接两个节点
- 局部信息：难以捕获环结构、官能团等高阶相互作用
- 信息损失：忽略了分子中的多体相互作用和长程依赖
ℋ𝓎𝓅ℯ𝓇𝑔𝓇𝒶𝓅𝒽
\( \mathcal{H} = (V, \mathcal{E}),\ e \in \mathcal{E},\ e \subseteq V \)
- 多元关系：超边可连接任意数量节点
- 高阶信息：自然捕获环结构、官能团、氢键等高阶相互作用
- 完整表示：保留分子中的多体相互作用和结构层次信息