家庭教师av

（图文|信息 编辑|辛西 审核|章文）11月17日下午，上海交通大学涂仕奎教授在一综B316带来题为“多目标药物设计人工智能方法研究”的分享，围绕AI驱动的药物分子生成开展系统介绍。

涂仕奎教授指出，药物分子设计需同时满足亲和力、溶解性、LogP等多个指标，而这些属性间存在复杂非线性和因果依赖，传统方法难以在生成阶段实现多目标精准控制。

为解决这一难题，涂仕奎教授团队提出MoC框架，通过因果发现算法学习多种药物性质之间的潜在关系，将多目标约束转化为扩散模型的参数化引导信号，使模型在生成中能够同时优化多个甚至相互冲突的目标，实现更高程度的可控性与稳定性。

涂仕奎教授介绍了团队在NeurIPS 2025提出的PAFlow框架。该方法结合流匹配技术与结构先验，通过蛋白–配体相互作用预测器引导分子生成路径，同时利用原子数量预测器控制分子规模，使生成的分子能更好契合受体口袋的几何特征，在结构基础药物设计任务中表现优异。

此外，涂仕奎教授展示了团队即将在AAAI 2026发表的PepBFN方法。该方法在黎曼空间与欧氏空间中联合建模残基类型与多模态侧链角分布，突破了传统分子生成模型在离散化或过度平滑化方面的局限，实现了全原子肽结构的精准生成，为肽类药物设计提供了新的技术路线。

报告结束，现场师生就相关研究问题与涂仕奎教授进行了积极深入的交流探讨。