NeurIPS 2026（任务清单归属；所读版本为 arXiv v3）计算生物口袋条件生成方差爆炸扩散几何稳定性无分类器引导口袋扰动

PocketVE: Stable and Property-Guided Structure-Based Drug Design with Variance-Exploding Diffusion¶

会议: NeurIPS 2026（任务清单归属；所读版本为 arXiv v3）
arXiv: 2609.08101
领域: 计算生物学 / 结构基础药物设计
关键词: 口袋条件生成、方差爆炸扩散、几何稳定性、无分类器引导、口袋扰动

一句话总结¶

PocketVE 将保留蛋白–配体共同坐标尺度的 VE/EDM 去噪、训练期口袋扰动和推理期多性质 CFG 联合起来，在 CrossDocked2020 上相对 guided TAGMol 将三维有效率从 58.6% 提高到 80.6%、应变能从 457.4 降至 127.9，但不宣称这些收益可单独归因于 VE，也不宣称全面领先所有对接指标。

研究背景与动机¶

结构基础药物设计不是只生成一张合法分子图，还要把配体放进指定蛋白口袋，使内部构象和外部空间关系同时合理。TargetDiff 等非自回归方法能够联合去噪全部原子；TAGMol 则用外部性质预测器的梯度引导生成。然而，对接评分下降并不保证生成构象可信：模型可能通过扭曲键长、局部构象或口袋内位置获得较好的代理分数。重新对接还可能掩盖原始生成姿态的问题，因此需要把分子性质、三维构象和蛋白–配体冲突分开检查。

这使引导与去噪骨干不能被视为互不相关的插件。性质引导直接改变没有像素取值边界的欧氏坐标，而蛋白口袋又是显式的空间条件；如果配体输入被按通用 EDM 规则缩放、蛋白坐标却保持原样，网络看到的跨分子距离就不再对应原始物理尺度。与此同时，把单个晶体结构当作完全精确的条件，也可能让去噪器过度依赖脆弱的局部坐标细节。

PocketVE 因而研究的是一个集成系统的性质–几何运行曲线，而不是证明某个扩散家族天然优越。它沿用 TAGMol 的等变架构，改变坐标参数化、尺度处理、采样器、优化器和引导方式，并用多种诊断检查收益来源。核心 idea：先建立口袋坐标一致、对小扰动平滑的混合去噪器，再通过同一模型的性质条件分支与空性质分支做 CFG，让控制强度成为推理期可调的性质–几何权衡。

方法详解¶

整体框架¶

输入是蛋白口袋的原子坐标与特征，输出是配体原子坐标和类别；原子数量由口袋大小条件先验采样，并非本文主要新机制。配体位置以口袋中心为参照，而不是逐配体独立归一化。坐标使用方差爆炸扩散（variance-exploding diffusion，VE），类别使用离散流匹配（discrete flow matching，DFM）；两条分支共享 TAGMol 的等变特征。

系统有三个相互配合的设计：训练时的口袋扰动正则、贯穿训练与采样的口袋尺度 VE 骨干、仅在推理时放大性质偏好的多性质 CFG。训练时，干净配体被加噪，口袋被小幅扰动，模型学习恢复原坐标和原子类别；采样时，从口袋中心附近的噪声状态出发，逐步减少噪声，必要时对预测结果进行 CFG。主设置不向测试口袋添加训练式扰动。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    P["蛋白口袋"] -->|仅训练| A["口袋扰动正则"]
    P -->|推理保留原口袋| B["口袋尺度 VE 骨干"]
    A --> B
    X["配体状态"] -->|训练加噪 / 推理噪声初始化| B
    B -->|训练：坐标与类别监督| L["联合去噪损失"]
    B -->|推理：条件与空性质预测| C["多性质 CFG"]
    Q["性质目标分位桶"] --> C
    C -->|Euler 坐标更新 + DFM 类别更新| O["配体坐标与类别"]

关键设计¶

1. 口袋扰动正则：避免去噪器依赖单个精确晶体坐标

训练时只对口袋原子坐标施加小幅高斯噪声，原子特征不变，配体监督目标仍是原始干净配体。主设置的口袋噪声标准差为 \(\sigma_p=\min(0.1\sigma,0.5)\)，其中 \(\sigma\) 是当次配体噪声尺度。高配体噪声阶段允许口袋条件更粗糙；低噪声阶段则减少扰动，以免把最后需要辨别的空间约束抹平。上限限制了增强幅度，而非把蛋白本身建模为一个共同生成对象。

其理由是输入噪声可以促使预测对邻近口袋坐标变化更平滑。附录 E 在光滑损失与小扰动假设下给出二阶展开：附加项与口袋方向的损失 Hessian 有关；在平方损失、残差较小的情形下，其中包含非负的 Jacobian 敏感性项。这是局部正则化解释，不能升级为“学到了真实蛋白构象集合”或“对任意口袋噪声保持不变”。较强扰动还会损害目标特异性，实验也不支持它在所有指标上同时占优。

2. 口袋尺度 VE 骨干：稳定去噪不能破坏跨分子的空间尺度

坐标前向过程直接在干净配体位置上加标准差为 \(\sigma\) 的高斯噪声，不逐步衰减干净坐标。原子类别则按相同噪声水平在保留原类别与均匀类别扰动之间混合；噪声越大，类别信息越少。共享等变网络同时预测干净坐标和干净类别 logits，使几何恢复与原子身份恢复相互关联，而不是对类别做连续坐标式回归。

普通 EDM 的输入归一化有一个口袋条件场景特有的问题：低噪声时只缩小配体、没有同步缩小蛋白，会改变蛋白–配体距离。PocketVE 保留 EDM 的输出预条件化，却将输入改为下面的尺度保持形式（正文第 3.2 节、附录 B）：

\[ \mathbf{x}_{\sigma}=\mathbf{x}_0+\sigma\boldsymbol{\epsilon},\qquad \tilde{\mathbf{x}}_{\sigma}=\frac{\sigma_{\mathrm{data}}}{\sqrt{\sigma^2+\sigma_{\mathrm{data}}^2}}\mathbf{x}_{\sigma},\qquad \boldsymbol{\epsilon}\sim\mathcal{N}(\mathbf{0},\mathbf{I}). \]

当噪声趋近零，输入缩放系数趋近一，配体重新处于与未缩放口袋一致的尺度；高噪声时仍能抑制输入幅度。固定 \(\sigma_{\mathrm{data}}=10.0\) 用来覆盖配体内部范围和配体相对口袋中心的偏移，而不是声称所有分子的实测标准差都是 10。附录 B 进一步说明，实现中预测的是缩放坐标系中的位置，输出重构先减去缩放输入，再通过 EDM 残差与 skip 项映射回原始坐标。这与正文把网络抽象为残差预测器的记法应区分，不能直接把网络绝对位置当残差使用。

采样时，坐标分支从当前状态与干净预测的差构造更新方向，再沿递减噪声日程做一阶 Euler 更新；类别分支根据预测分布做 DFM 离散更新。主设置使用 100 步广义 arcsin 日程，噪声范围为 \([10^{-3},800]\)，日程参数为 \(\beta=2.2\)、\(p=0.57\)。附录 H 还报告去掉采样期噪声处理会显著恶化结果，因此不能把该系统描述为“任意确定性 Euler 采样都一样”。全文没有在采样细节中完整展开这一噪声注入的实现参数，本笔记不补造更新式。

3. 多性质 CFG：用一个模型控制性质，而不是额外训练多个梯度头

Vina、QED 和归一化 SA 各自按训练集分位数划成五个桶，三个桶索引组成辅助条件。训练时以 0.5 概率联合丢弃这些性质条件，但始终保留蛋白口袋。因此所谓空条件分支只是“不指定性质”，不是“不指定靶点”。推理时，模型分别给出指定性质和空性质下的坐标预测，按下面的关系组合；这里 \(D_{\mathrm{cond}}\) 与 \(D_{\mathrm{null}}\) 都是在同一口袋和同一噪声状态下的预测。

\[ \hat{\mathbf{x}}^{\mathrm{cfg}}=D_{\mathrm{null}}+s\big(D_{\mathrm{cond}}-D_{\mathrm{null}}\big),\qquad s=w+1. \]

\(s=0\) 是空性质分支，\(s=1\) 是普通性质条件模型，\(s>1\) 才是外推式引导。类别分支在 logits 空间做同样的线性组合，然后 softmax，而不是直接外推已经归一化的概率。这样不需要额外的噪声相关性质预测器，也避免外部梯度头在数值尺度与最大化/最小化方向上的逐头校准；但条件偏差依旧会被放大，强引导并不会自动满足分子几何约束。

主实验请求低 Vina、高 QED、高 SA 的有利桶，使用 \(s=5\) 作为代表运行点。正文按原始性质方向描述“最低 Vina 桶”，附录 O 则声明桶编号越大越有利，并用 \((4,4,4)\) 表示有利联合请求；这两个表述不能据以猜测代码中的原始索引方向。附录 O 还注明训练 Vina 边界使用 Vina Dock，分布诊断却使用 Vina Score，因此这些结果能支持方向性控制，不能当作严格的 Vina 桶命中率或三个性质独立、校准的控制器。

损失函数 / 训练策略¶

训练目标是噪声相关加权的坐标重建平方误差与原子类别交叉熵。坐标权重按 EDM 输出预条件化系数的平方倒数设置；口袋扰动与性质条件丢弃通过训练输入进入这一目标，不需要另加一个真实结合能监督损失。小扰动的正则化解释也不意味着实现显式计算了 Jacobian 惩罚。

作者训练 400,000 步，batch size 为 4，每 2,000 步验证，选择验证损失最低的 checkpoint。隐藏二维权重矩阵使用 Muon，学习率 \(10^{-3}\)；其余参数使用 AdamW，学习率 \(10^{-4}\)。验证损失连续 20,000 步无改善时学习率乘 0.6；单张 A100 上训练约 24 小时。改变 CFG 强度复用同一个 checkpoint，而改变训练期口袋扰动需要对应训练配置。

实验关键数据¶

主实验¶

使用经过姿态与序列相似性筛选的 CrossDocked2020 标准划分，评测 100 个测试口袋，每个采样 100 个配体。对有公开生成分子的基线，作者在共同测试划分、对接与 GenBench3D 流水线下重新评测；这不等于所有方法都按统一训练预算重新训练。

指标必须分开理解：Vina Score、Vina Min、Vina Dock 是不同评估变体，越低越好；QED 是类药性，本文归一化 SA 越高越易合成。High Affinity 是每个口袋中 Vina Dock 不差于参考配体的比例；Joint-Ref 进一步要求 QED 和 SA 也分别不差于同口袋参考配体，再对口袋汇总。Joint-Ref 不是固定阈值 Hit Rate，也不是三维有效率。

几何指标中，Valid\(_{3\mathrm{D}}\) 表示通过 GenBench3D 三维构象检查的比例，包括参考分布下的键长、价角等检查；应变能衡量生成构象的内部能量代价，越低越好。GenBench3D clash-free 是该协议的无冲突比例；质心距离用来检查位置偏移，不能等同于原子级姿态 RMSD。JSD 比较生成与参考分子的距离或原子类别分布，是分布保真度，不是逐分子的物理有效性证明。

下表节选原文表 1；Vina Score、Vina Dock、QED、SA 为中位数，Joint-Ref 为口袋平均比例，应变按原表尺度报告。

方法	Vina Score	Vina Dock	QED	SA	Joint-Ref (%)	Valid\(_{3\mathrm{D}}\) (%)	应变能	GenBench3D clash-free (%)
TargetDiff	-6.30	-7.91	0.48	0.58	5.7	78.4	306.0	86.41
TAGMol（guided）	-7.77	-8.69	0.56	0.56	7.1	58.6	457.4	93.21
PocketXMol	-6.14	-7.59	0.51	0.80	未提供	67.0	80.0	93.46
PAFlow	-8.92	-9.49	0.50	0.57	8.9	47.4	1834.6	96.46
PocketVE（\(s=5\)）	-7.89	-8.89	0.64	0.71	26.4	80.6	127.9	94.02

相对 TargetDiff，按完整口袋配对 bootstrap 得到三维有效率差为 +2.25 个百分点，95% CI 为 [-0.75, 5.13]，不能声称显著更高；应变降低为 178.10，CI 为 [150.38, 203.44]，是更清晰的收益。相对 guided TAGMol，平均 Vina Score 优势为 0.43，但 CI 为 [-0.02, 1.07]，也不支持严格对接领先。PocketXMol 的应变与 SA 更好，PAFlow 的 Vina 更好，进一步说明 PocketVE 并非全面支配其他方法。

消融实验¶

下表节选附录表 5，复用相同 checkpoint 与采样设置，较适合观察纯推理期引导变化；性质与 Vina 为中位数。

CFG 强度 \(s\)	QED	SA	Vina Score	Valid\(_{3\mathrm{D}}\) (%)	应变能	GenBench3D clash-free (%)
0	0.48	0.63	-6.70	78.64	164.9	90.59
1	0.60	0.70	-7.20	77.99	127.4	90.74
5	0.64	0.71	-7.89	80.60	127.9	94.02
10	0.64	0.72	-8.12	78.54	137.7	95.03
20	0.60	0.69	-7.61	72.04	187.5	94.51

累计消融表 2 从 unguided TAGMol 到无扰动、无 CFG 的 PocketVE 骨干，三维有效率为 65.56% → 69.62%，应变为 401.3 → 274.4；再加广义 arcsin 日程后为 77.75% / 179.1。这是参数化、尺度、采样与优化的组合变化，不是 VE 的单变量因果实验。最终加口袋扰动，相对无扰动 \(s=5\) 设置，有效率为 77.33% → 80.60%，但应变为 125.9 → 127.9，说明扰动不是所有指标都改善。

口袋尺度诊断（附录表 17）更能体现内外几何的区别：去掉尺度保持因子，平均 Vina 从 -7.589 变为 +92.237，clash-free 从 94.23% 降至 3.39%，而三维有效率反而从 78.72% 到 82.39%。这些是 100 口袋 × 10 配体的单独诊断，不应混入主表；内部构象合格仍可能完全不适配蛋白口袋。

原文报告口径存在需保留的差异：表 2 的累计 \(s=1\) 行为 Vina -7.41、有效率 78.55%、应变 137.8，而表 5 为 -7.20、77.99%、127.4，两表并非可互换的同一行。附录表 7 的三次运行汇总另报 Vina -7.734 ± 0.0150、有效率 79.27 ± 0.68、应变 124.7 ± 1.29，并称表 1 属于三次之一；该 Vina 离散度与表 1 的 -7.89 难以协调，需作者核实，不能自行修正数值。

关键发现¶

引导不是越强越好：\(s=10\) 的 Vina 比 \(s=5\) 更低，但有效率下降、应变升高；\(s=20\) 时性质与几何同时回退。JSD 诊断也显示强引导增加参考分布偏移。
原始姿态的 PoseCheck 无冲突率仅为 PocketVE 4.54%、TargetDiff 1.65%（附录表 10）；这与主表 GenBench3D 的 94.02%、86.41% 是不同指标，不能混称“无蛋白冲突率”。总接触数量更高也不必然代表结合更好。
\(s=5\) 采样每个口袋的 100 个配体需 234.1 秒，\(s=1\) 为 127.8 秒，TargetDiff 为 1382.5 秒；条件外推增加双分支计算。时间来自单 A100、batch size 10、无混合精度，排除对接、MMFF 与后处理。

亮点与洞察¶

内部几何与口袋兼容性不是同一轴。尺度诊断展示了“有效分子却处于错误空间”的失败方式，因此只优化三维有效率仍不够。
空性质分支仍然看到口袋，使 CFG 调整的是同一靶点下的性质偏好。这个条件拆分比把所有条件一起丢弃更符合任务目标。
把引导尺度画成运行曲线比单一最佳分数更有信息量。对其他科学坐标生成任务，也可以同时报告偏好指标、内部几何和外部条件兼容性。

局限与展望¶

主要证据来自一个过滤后的 100 口袋基准，性质控制依赖对接代理，没有实验结合验证；\(s=5\) 是测试基准扫描中的描述性选择，而非独立验证集选择。
VE、尺度、噪声处理、日程和优化器同时改变，现有实验不能建立 VE-only 因果归因。后续需要匹配骨干、优化器、原子数和采样预算的组件对照。
高斯口袋扰动只是局部增强，不是蛋白柔性动力学模型；严重测试口袋噪声仍会损害 Vina 与冲突指标。
条件桶存在耦合，附录 O 的联合有利请求也只有有限的性质桶命中率；Vina Dock 训练边界与 Vina Score 诊断不一致，更不支持严格的三目标校准控制。
附录 A 式 (15) 的外部引导系数为 \((1+w)\)，式 (18) 却写为 \(w\)，正文式 (7) 也用 \(w\)；推导中系数约定不一致。本文只采用明确的 CFG 实现式，不替作者修补外部引导推导。

评分¶

新颖性: 4/5；集成机制有明确的口袋几何适配，但核心工具多数来自已有扩散与 CFG 方法。
实验充分度: 4/5；有多轴消融、分布与原始姿态诊断，仍缺组件完全匹配和独立验证选择。
写作质量: 3/5；论证边界较克制，但跨表数值、运行方差与引导推导存在需核实之处。
价值: 4/5；提供了研究性质控制与几何稳定性耦合的实用框架，不等同于已验证药物发现效果。