大多数基于人工智能的用于从头药物设计的分子生成模型都是以配体为中心的，不考虑蛋白质结合口袋的详细三维几何结构。口袋感知的三维分子生成具有挑战性，因为在递增生长部分构建的分子时，需要施加物理等变性并评估蛋白质-配体的相互作用。受凝聚态和统计物理学中多尺度建模的启发，作者提出了一种以蛋白质口袋为条件的三维分子生成模型，称为ResGen，用于设计给定目标内的有机分子。ResGen基于并行多尺度建模的原理，可以捕捉更高级别的交互，并实现更高的计算效率（比以前的最佳技术快大约八倍）。生成过程被表述为层次自回归问题，即用于学习蛋白质-配体相互作用的全局自回归和用于学习每个原子的拓扑和几何分布的原子成分自回归。在产生比原始配体更紧密地与看不见的靶标结合的新分子方面，ResGen比现有最先进的方法具有更高的成功率。此外，在真实世界场景中进行的从头药物设计的回顾性计算实验表明，与最先进的方法相比，ResGen成功地产生了结合能更低、多样性更高的类药物分子。
https://www.nature.com/articles/s42256-023-00712-7
