基于结构的药物设计（SBDD）是药物发现中的一项关键任务，需要在两个不同模态中生成分子信息：离散分子图和连续的三维坐标。然而，现有的SBDD方法往往忽视了两个关键挑战：（1）这一任务的多模态特性和（2）这些模态之间的因果关系，限制了它们的可信度和性能。为了解决这两个挑战，我们提出了TransDiffSBDD，这是一个结合自回归变压器和扩散模型用于SBDD的综合框架。具体而言，自回归变压器模型处理离散分子信息，而扩散模型抽样连续分布，有效解决了第一个挑战。为了解决第二个挑战，我们设计了一个混合模态序列用于蛋白质-配体复合物，该序列明确尊重模态之间的因果关系。在CrossDocked2020基准上的实验表明，TransDiffSBDD优于现有基线。
胡等（星期三）研究了这个问题。