清华大学刘洋老师组、人民大学高瓴人工智能学院黄文炳老师组、字节跳动 AI 制药团队共同提出了一种跨分子种类 统一生成框架 UniMoMo。该框架基于分子片段（block）对不同种类的分子进行统一表示，使用变分自编码器对每个 block 的全原子构象进行压缩，并在压缩后的隐空间进行几何扩散建模（diffusion），从而实现对同一靶点不同结合分 子种类（小分子、多肽、抗体）的设计。UniMoMo 在多类分子任务基准的评测中均实现领先表现，展示了跨模态知 识迁移与数据共享的巨大潜力。 不同的分子类型在药物开发中各有优劣，因此在不同的疾病场景中适合使用的分子类型也有所不同。对此，清华大学 刘洋老师组联合人大黄文炳老师组和字节 AI 制药团队，共同提出了一种跨分子种类统一生成框架 UniMoMo。该框架 基于分子片段对不同种类的分子进行统一表示，实现对同一靶点不同结合分子种类的设计。 相关成果以「UniMoMo: Unified Generative Modeling of 3D Molecules for De Novo Binder Design」为题，入选 ICML 2025。 论文地址： https://go ...