2026年01月23日
## 要約：
本研究では、構造ベース創薬におけるLLMの弱点を克服するため、探索と潜在空間推論を組み合わせたELILLMフレームワークを提案します。このフレームワークは、LLMの生成プロセスをエンコード、潜在空間の探索、デコードというワークフローとして捉え直し、化学的に妥当な分子の生成を可能にします。CrossDocked2020ベンチマークテストで既存手法を上回る結果を示し、LLMの創薬能力を大幅に向上させました。
---
## 翻訳：
arXiv:2601.15333v1 Announce Type: new
Abstract: 大規模言語モデル（LLM）は強力な表現と推論能力を有しているが、構造ベース創薬（SBDD）への応用は、タンパク質構造の理解不足と予測不可能な分子生成によって制限されている。これらの課題に対処するため、我々はLLMのための探索拡張潜在推論（ELILLM）というフレームワークを提案する。ELILLMは、LLMの生成プロセスをエンコード、潜在空間の探索、デコードというワークフローとして再解釈する。ELILLMは、モデルの現在の知識を超えた設計問題の一部を明示的に探索すると同時に、デコードモジュールを用いて馴染みのある領域を処理し、化学的に妥当で合成上実現可能な分子を生成する。我々の実装では、ベイズ最適化が潜在空間埋め込みの体系的な探索をガイドし、位置を認識したサロゲートモデルが効率的に結合親和性分布を予測し、探索に役立てる。知識に基づいたデコードはさらなるランダム性を低減し、化学的妥当性制約を効果的に課す。我々はCrossDocked2020ベンチマークにおいてELILLMを実証し、7つのベースライン手法と比較して強力な制御された探索と高い結合親和性スコアを示した。これらの結果は、ELILLMがSBDDのためのLLMの能力を効果的に向上させることができることを示している。
[📰 原文はこちら](https://arxiv.org/abs/2601.15333)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
