强化学习筛选可订购分子：KRAS 候选命中商品目录从 10% 升至 25.5%

bravo_abad · x · 2026-11-09

Neeser 等人提出用更实际的奖励训练分子生成模型：不看「合成可及性」评分（既不给合成路线也不保证有供应商），而是奖励分子是否出现在可按需合成的商业目录（Enamine REAL）中。方法是对面向蛋白结合口袋生成 3D 分子的 flow-matching 模型做强化学习，候选按目录精确查找给二元奖励。针对 KRAS 靶点，生成候选中唯一目录命中从 10.0% 提升到 25.5%；训练过久会导致重复率上升，因此较早的 checkpoint 反而给出更多样的可测试化合物。图表显示 DNFT-REAL-S、DNFT-FREE-S 等变体较 baseline 显著提升，DPO 变体表现较差。局限：进目录不等于一定可合成/可测。