分子相互作用基础模型 Bonbon 涌现零样本药物设计能力
OutputLabs · hf · 2026-11-16
Output Labs 发布 Bonbon——一个在约 3.2 万亿 token 蛋白质-配体配对序列上训练的分子相互作用基础模型(NeurIPS 2026 主会 Oral),展示了生物学领域的涌现能力。
核心发现
- 仅用蛋白-配体序列训练,无任务监督、无结构坐标,模型从单一表示空间涌现出三个层级的零样本能力:功能级(作用机制)、残基级(结合位点定位,可区分正构/变构)、键级(共价与非共价作用),且均可泛化到分布外复合物。
- 在 42M 到 1.6B 共六个模型规模上做受控缩放实验:预训练损失平滑下降,但所有涌现能力在最大规模出现跳变——说明仅靠 loss 的 scaling law 不足以预测零样本涌现何时出现。
- 冻结表示即可达到 SOTA 的结合与亲和力预测,速度比共折叠方法快五个数量级。
- 在覆盖 7 个蛋白家族的 9 个疾病靶点上做前瞻性湿实验验证:全新化合物剂量响应命中率 61.5%,并产生此前未见报道的结构新颖分子,含分布外靶点。
「研究」频道最新
- METR 研究员:前沿实验室评测回避科学难题,如路灯下找钥匙 — rbhar90 · 2026-11-16
- 斯坦福 CS336 全套课程公开:从零手写 LLM 含内核与分布式训练 — stanfordnlp · 2026-11-16
- SpeedRunBench 实测:Inkling-2-Small 跑 SuperTux 仅 1961 帧领先各家 — simonguozirui · 2026-11-16
- 港校团队推出 MEM-SQL:借记忆复用已验证 SQL,降本又提准 — hkuhk · 2026-11-16
- Grid Robotics 提出代理机器人学范式:基础模型加具身 Harness 构成 System 2 — Grid Robotics · 2026-11-16
- 研究发现 LLM 同行评审严重偏爱挑附录毛病,与人类审稿差异显著 — CincyNLP · 2026-11-16