Newest papers

PMO-Dock: Benchmarking Docking, Specificity, and Generalization in Molecular Optimization

Gor Simonyan, Tatevik Abrahamyan, Narek Abelyan, Tigran Fahradyan, Hrant Khachatrian · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.19011 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Thực tiễn hiệu quả tối ưu hóa phân tử (PMO) là đánh giá tiêu chuẩn hóa tiêu chuẩn trong tối ưu hóa phân tử, nhưng nó được xây dựng trên các thuật ngữ đơn giản dựa trên tài sản mà không nắm bắt thiết kế thuốc dựa trên cấu trúc. Khi lĩnh vực này đã chuyển sang các mục tiêu dựa trên docking, thực hành đánh giá đã trở nên không chuẩn hóa, và các phương pháp khác nhau báo cáo kết quả trên các nhiệm vụ docking khác nhau, thường không có giao thức chung cho so sánh công bằng hoặc hạn chế chuyển nhượng mẫu. Để giải quyết điều này, chúng tôi giới thiệu thực tế tối ưu hóa phân tử cho docking (PMO-Dock), một tiêu chuẩn và giao thức cho tối ưu hóa dựa trên docking bao gồm 25 nhiệm vụ bao gồm đánh giá hit, tối ưu hóa dẫn, và một nhiệm vụ đặc biệt mới đòi hỏi ràng buộc công việc công bằng mạnh mẽ trong khi

Machine translation (Meta M2M100); the English original follows.

Abstract

The Practical Molecular Optimization (PMO) benchmark standardized evaluation in molecular optimization, but it is built on simple property-based oracles that do not capture structure-based drug design. As the field has moved to docking-based objectives, evaluation practice has become unstandardized, and different methods report results on different docking tasks, often without a shared protocol for fair comparison or sample-efficiency constraints. To address this, we introduce Practical Molecular Optimization for Docking (PMO-Dock), a benchmark and protocol for docking-based optimization consisting of 25 tasks covering hit generation, lead optimization, and a new specificity task requiring strong on-target binding while penalizing off-target interactions. The protocol separates model development from final evaluation: validation tasks are used for hyperparameter tuning, and test tasks are held out for final evaluation and are not used during development. Evaluation on the test tasks is done under a strict oracle budget to reflect realistic drug-discovery settings. We benchmark four diverse high-performing methods spanning different optimization paradigms, Saturn (reinforcement learning), GenMol (discrete diffusion), Genetic-guided GFlowNet, and ChemLlama (LLM-based evolutionary search). Our results show no universally best method across tasks, additional analyses of hyperparameter transfer (cross-task and cross-category) and sensitivity show that transfer is often limited and varies by method, motivating method-dependent selection strategies. This benchmark provides a concrete standard for evaluating generalization to unseen tasks and sample efficiency under a limited test-time oracle budget.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Benchmark (surveying), Oracle, Benchmarking, Machine learning, Generalization

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange