Molexar: A Unified Multimodal Molecular Foundation Model for Drug Design
한 줄 요약
Fragment-SELFIES를 기반으로 scalar property, pharmacophore fingerprint, protein sequence, binding pocket 조건을 하나의 autoregressive generation 경로로 다루려는 multimodal molecular foundation model입니다.
왜 중요한가
이 논문은 Structure-based modeling과 molecular generation을 연결해서 읽을 수 있습니다. 조건마다 별도 head를 두는 대신 single-path design을 쓰기 때문에 multi-property drug design pipeline을 단순화할 가능성이 있습니다.
핵심 포인트
- Fragment-SELFIES는 fragment-aware molecular language이며 validity-preserving decoding을 목표로 합니다.
- Single autoregressive decoder가 value-token embedding의 in-place replacement를 통해 여러 condition type을 처리합니다.
- Pretrained model에서는 unconditional 및 fragment-constrained generation에서 높은 validity와 drug-likeness를 보고합니다.
- SFT에서는 single-property와 multi-property instruction following을 보고합니다.
- CrossDocked2020 기반 target-conditioned generation 결과를 보고합니다.
- MolGenBench safety와 potency 결과를 보고하지만, benchmark detail은 추가 확인이 필요합니다.
읽을 때 볼 질문
- Fragment-SELFIES는 syntax constraint와 coverage 측면에서 standard SELFIES와 어떻게 다른가?
- In-place embedding replacement가 condition type 사이의 interference를 만들지 않는가?
- Property type별 validity distribution은 어떤가? Multi-property conditioning이 single-property performance를 떨어뜨리지는 않는가?
- Specialized per-property model과 비교할 때 parameter count 증가에 따른 scaling은 어떤가?
- Target-conditioned result가 ligand scaffold split, protein-family split, pocket similarity leakage에 대해 robust한가?
Artifact 공개 상태
| Artifact | Status | Notes |
|---|---|---|
| Paper | found | arXiv abstract page |
| Code | to verify | project page 또는 linked repository 확인 필요 |
| Data | to verify | CrossDocked2020 및 MolGenBench protocol detail 확인 필요 |
| Splits | to verify | target-conditioned generation split 설명 확인 필요 |
| Weights | to verify | public checkpoint 상태 미확인 |
| Environment | to verify | implementation dependency 미확인 |
관련 노트
- Molecular generation
- SMILES
- Fragment-SELFIES
- Scaffold split
- Protein family split
- Artifact availability
Metadata
- arXiv: 2606.25865
- Submitted: 2026-06-24
- Authors: Haoyu Lin, Yiyan Liao, Jinmei Pan, Xinliao Ling, Luhua Lai, Jianfeng Pei
- Category: q-bio.BM