对于加速早期药物发现来说，高效的分子设计方法，至关重要，以节省数年的研发时间和数十亿美元的成本。目前的分子设计方法，取决于序列或图表示，强调局部特征，例如键和原子，但缺少对整体分子拓扑结构的全面描述。

近日， 日本 筑波大学（University of Tsukuba）Zixu Wang, Yangyang Chen， Xiucai Ye, Xiangxiang Zeng等，在Nature Machine Intelligence上发文，报道了基于图像的分子生成框架SketchMol，将视觉理解与分子设计相结合。SketchMol利用扩散模型，并应用一种称为 “分子专家强化学习 ”的细化技术，以改进可行分子的生成。

通过类似绘画的方法创建分子，同时描绘分子的局部结构和全局布局。通过可视化分子结构，各种设计任务统一到基于图像的框架中。全新设计变成了勾画新的分子图像，而编辑任务则转变为填充部分绘制的图像。通过大量实验证明， SketchMol有效处理各种分子设计任务。

Image-based generation for molecule design with SketchMol. SketchMol：基于图像生成分子设计。

图 1：SketchMol框架示意图。

图 2：分子图像生成的质量和合理性实验。

图 3：不同理化条件时，SketchMol 生成能力实验。

图 4：基于掩膜的分子优化实例。

图 5：从不同结构角度优化先导活性的案例。

图 6：EP4片段生长案例。