DrugGen-2：让AI"懂病"再开药——疾病感知语言模型重新定义药物生成

AI生成药物分子已经不是新鲜事，但现有模型几乎都有一个盲区：它们只盯着靶点蛋白，不管这个靶点是在什么病里起作用。同一个蛋白靶点，在糖尿病和癌症中的行为可能截然不同——忽略疾病背景，生成的分子很可能"靶点对但病不对"。

DrugGen-2就是为了解决这个问题而生的。它是一个基于GPT-2微调的药物生成模型，核心创新在于同时以疾病本体（Disease Ontology）和靶点蛋白序列作为生成条件。简单说，你告诉它"我要治糖尿病肾病，靶点是ACE"，它就会生成既适合这个靶点、又考虑了糖尿病肾病病理背景的分子，而不是泛泛地给ACE配一个抑制剂。

怎么做到的？

DrugGen-2的训练分两步走：

1. 监督微调（SFT）：用已批准药物及其对应的疾病-靶点关联数据训练模型，让它学会"疾病+靶点→分子"的映射关系。
2. GRPO强化学习：在SFT基础上，用组相对策略优化进一步调教。奖励函数同时考虑四个维度——化学有效性（生成的是不是合法分子）、新颖性（别抄已有药物）、多样性（别总生成同一类结构）、预测结合亲和力（能不能真的结合靶点）。

这种两阶段策略让模型既学到了药物化学的基本规律，又能在生成时主动追求高质量候选。

效果如何？

研究团队选了5个与糖尿病肾病相关的蛋白靶点做测试，包括血管紧张素转换酶（ACE）等关键靶标。结果：

• 全面超越前代：在分子独特性、与已批准药物的结构相似度、预测结合亲和力三个维度上，DrugGen-2都优于DrugGPT和DrugGen（前代模型）。
• 对接亲和力超过参考药物：在ACE靶点上，DrugGen-2生成的候选分子对接评分达到-9.917，而参考药物依那普利（enalapril）只有-8.283。其他靶点上也出现了类似趋势。
• 更接近真实药物：生成分子在结构上更接近已批准药物，说明疾病上下文确实帮助模型"收窄"了化学空间，避免了漫无目的的生成。

对谁有用？

• 药物发现团队：可以快速生成针对特定疾病-靶点组合的候选分子，加速早期筛选。
• 药物重定位研究者：模型天然支持"换个病试试"的思路——同一个靶点，换一个疾病条件，可能生成完全不同的分子。
• 计算化学/生物信息学研究者：开源代码和模型权重已公开在GitHub上，可以直接上手实验。

还有什么限制？

需要坦诚地说，DrugGen-2目前的验证还停留在计算层面——分子对接评分再高，也只是预测。要真正确认这些分子的药效，还需要湿实验验证。此外，当前测试集中在糖尿病肾病一种疾病上，跨疾病的泛化能力还有待检验。不过，作为一个概念验证，"疾病感知"这个思路已经展示了明确的价值：让AI在开药之前先搞清楚"治什么病"。

---

来源：arXiv预印本 2607.08404（2026年7月9日提交），代码开源于 [GitHub](https://github.com/alimotahharynia/DrugGen-2)

参考来源

• https://arxiv.org/abs/2607.08404