BiFDR:大脑启发的联合扩散变压器,增强用于保护隐私的分子生成
Hongming Hou1, Jing Zhang1, Meirun Zhang2
1School of Computer Science and Mathematics; Fujian Provincial Key Laboratory of Big Data Mining and Applications, Fujian University of Technology, No. 69 Xuefu South Road, Shangjie Town (University Town), Minhou County, Fuzhou, Fujian, 350118, China.
Journal of biomedical informatics
|September 15, 2025
概括
强化脑启发联合扩散 (BiFDR) 通过提高分子质量和隐私来增强生成药物发现. 该框架为协作药物开发提供了一个资源高效的解决方案.
科学领域:
- 计算化学是一种计算化学.
- 人工智能在药物发现中的作用
- 生物信息学是一种生物信息学.
背景情况:
- 生成性药物发现在数据隐私和计算成本方面面临重大障碍.
- 最先进的模型需要大量的资源,限制了可访问性和可扩展性.
- 现有的方法往往难以平衡生成能力与隐私保护.
研究的目的:
- 引入大脑启发的强化联合扩散 (BiFDR),这是一个新的框架,旨在解决生成药物发现中的隐私和计算挑战.
- 开发一种保护隐私和资源效率的方法,用于生成新型分子结构.
- 提高产生的分子的质量,新性和合成可访问性,同时确保数据安全.
主要方法:
- BiFDR集成了一个神经启发的联合协调器 (NeuroFed),用于使用突触可塑性原理,服务器端修剪和客户端低级适应 (LoRA) 的安全协作.
- 基于变压器的扩散发生器 (TransFuse) 通过注意力机制在压缩的潜空间中产生分子.
- 强化学习代理 (T-JORM) 使用基于Tanimoto的奖励函数优化了新2D和3D结构的分子生成.
主要成果:
- BiFDR提高了药物相似性的定量估计13.7%,分子级结构信息得分5.7%,分子相互作用分析指数52.3%.
- 合成可访问性得到了增强,合成可访问性得分下降了9.5%.
- 数据隐私得到了显著加强,相互信息指标减少了43.6%.
结论:
- BiFDR为生成性药物发现提供了一个有效和高效的范式,产生具有优越药物相似性,新性和相互作用潜力的分子.
- 该框架确保了合成可访问性,同时严格维护隐私并最大限度地降低计算开销.
- BiFDR为现代,协作药物开发管道提供了可行和可扩展的解决方案.
