文章主要内容总结本文提出了一种基于大型语言模型（LLM）的药物设计工作流Assay2Mol，旨在利用海量未结构化的生物测定（BioAssay）数据加速早期药物发现。其核心流程包括：根据目标蛋白或表型的文本描述，从PubChem等数据库中检索相关的BioAssay记录；对检索到的BioAssay数据进行过滤、总结和分析，提取关键实验信息（如分子结构、活性结果等）；利用LLM的上下文学习能力，基于这些BioAssay数据生成具有目标活性的候选分子。实验表明，Assay2Mol在生成与目标蛋白结合的分子方面优于现有基于结构的药物设计（SBDD）方法，且生成的分子更具化学合理性和可合成性。此外，它还能处理多目标任务（如同时保证对目标蛋白的亲和力并避免心脏毒性），验证了其在复杂药物设计场景中的有效性。创新点利用非结构化生物测定数据：首次将LLM应用于解析BioAssay中的非结构化文本（如实验方案、作用机制描述），无需依赖蛋白质结构或序列，扩展了适用场景（如细胞水平或表型测定）。高可合成性分子生成：由于依赖预训练化学数据的LLM，生成的分子更接近“检索式生成”而非“从头设计”，化学合理性和可合成性更强。检索增强的上下文学习：结合检索增强生成（RAG）思想，通过检索、过滤和总结相关BioAssay数据，为LLM提供高质量上下文，提升分子生成的针对性。