学位论文简介
分子生成模型是一种以数据驱动方式面向药物设计自动生成并优化候选分子的方法，能够在候选发现、结构改造与多属性权衡等方面拓展传统药物设计路径，具有良好的应用前景。因此，本文以生成式模型驱动的分子设计为主线，从跨分子空间知识迁移、少样本任务构造、强约束多目标优化以及冲突感知模型融合等不同视角开展研究，探索面向复杂药物设计场景的可控分子生成与优化方法，并提出了一系列关键技术。取得了以下主要创新性研究成果：
(1) 针对低资源自组装肽发现中候选空间受限、异质结构先验难以迁移的问题，提出跨分子空间建模方法HydrogelFinder，将非肽类自组装分子的结构先验引入肽候选生成空间，并结合生成模型与虚拟筛选实现低资源条件下的自组装肽发现。
(2) 针对少样本条件下抗菌肽优化方向难以学习、真实高低活性配对样本稀缺的问题，构建基于序列退化与多阶段微调的deepAMP框架，将广谱抗菌肽优化转化为可学习的序列映射任务，实现抗菌肽的定向优化与验证。
(3) 针对广谱抗生素衍生化优化中母体骨架偏离、局部编辑不可控以及活性、相似性、类药性和安全性难以协同的问题，提出强约束多目标优化方法MolDeriveX，通过有效子结构提取、骨架锁定和可微树结构搜索实现可解释的局部衍生化优化。
(4) 针对多属性分子生成中属性冲突显著、不同属性难以独立控制的问题，提出冲突感知模型融合框架CAML，将单属性专家模型的能力转化为任务向量，并结合Nash均衡与参数搜索实现多约束分子生成，用于阿尔茨海默病相关GSK3
靶点候选分子的多属性可控设计。
主要学术成果
[1] Xuanbai Ren, Jiaying Wei, Xiaoli Luo, Yuansheng Liu, Kenli Li, Qiang Zhang, Xin Gao, Sizhe Yan, Xia Wu, Xingyue Jiang, Xiangxiang Zeng, Junfeng Shi. HydrogelFinder: A Foundation Model for Efficient Self-Assembling Peptide Discovery Guided by Non-Peptidal Small Molecules. Advanced Science. 2024, 11, 2400829.(一作，IF 14.1，中科院1区TOP，JCR-Q1)
[2] Tingting Li*, Xuanbai Ren*, Xiaoli Luo, Zhuole Wang, Zhenlu Li, Xiaoyan Luo, Jun Shen, Yun Li, Dan Yuan, Nussinov Ruth, Xiangxiang Zeng, Junfeng Shi, Feixiong Cheng. A Foundation Model Identifies Broad-Spectrum Antimicrobial Peptides against Drug-Resistant Bacterial Infection. Nature Communications 15, 7538 2024. (共一，IF 18.1，中科院1区TOP，JCR-Q1)
[3] Xuanbai Ren, Luoda Tan, Pei Liu, Tengfei Ma, Xiangzheng Fu, Longyue Wang, Yiping Liu, Xiangxiang Zeng. CAML: A Conflict-Aware Molecular Language Model Merging Framework for Multi-Constraint Molecular Generation. ACL 2026, main conference. (一作，CCF-A类会议)
[4] Rong Rong*, Yi Zhou*, Xuanbai Ren*, Jinglin Zhang, Yixian Liu, Jiamiao Liu, Yiping Liu, Xiangxiang Zeng, Xiaobo Xia. AI Identifies Compounds that Protect Retinal Ganglion Cells and Optic Nerve in Neurodegeneration by Alleviating ER Stress. Nature Communications. (共一，IF 18.1，中科院1区TOP，JCR-Q1, 一审大修)
[5] Yifeng Jie*, Xuanbai Ren*, Pei Liu, Tengfei Ma, Peng Zhou, Yiping Liu, Xiangxiang Zeng. EvoMol-Merge: Preference-Guided Layer-wise Merging of Property Expert Models for Multi-constraint Molecular Generation. NeurIPS 2026. (共一，CCF-A，在审)
