读论文：Generation of 3D molecules in pockets via a language model (Lingo3Dmol)

        基于线性序列 (例如SMILES) 或图表示的的分子生成模型 已经吸引了基于结构的药物设计领域的广泛关注，但这些模型在捕获3维空间交互时还不够强，也因此经常生成我们不希望产生的分子结构。为了解决这些问题，我们提出Lingo3DMol, 一个基于口袋的3维分子生成方案，将语言模型和几何深度学习技术结合起来。为了帮助模型学习分子拓扑学和原子的空间位置，我们还提出一个新的分子表示方法，基于片段的简化分子xxxx (the fragment-based simplified molecular-input line-entry system with local and global coordinates)。此外，我们训练了一个单独的 non-covalent 相互作用预测器来为生成模型提供必须的结合pattern。Lingo3DMol 可以高效遍历类药的化学物质空间，避免不常见的结构的干扰。The Directory of Useful Decoys-Enhanced dataset was used for evaluation。Lingo3DMol 在类药性，合成可及性，与口袋的结合模式和分子生成速度这些方面都取得了SOTA表现。