Bonbon 分子相互作用基礎模型展現湧現生物學能力
Emergent Biological Capabilities in a Foundation Model for Molecular Interactions
Bonbon 是一個僅以序列預訓練的生物學基礎模型,規模由 42M 擴至 1.6B 參數後呈現多項分子相互作用能力,並獲 NeurIPS 2026 主會議 Oral 接收,屬投稿前 0.4%。
Bonbon 在外部盲測中,跨 9 個疾病靶點達 61.5% 命中率,呈現序列模型如何連接分子作用判讀與候選分子篩選。
Bonbon 是一個面向生物學的垂直領域基礎模型,能自主學會支配分子相互作用的隱藏關係,正如大型語言模型(LLM)並非經過明確訓練,卻學會了數學。獲 NeurIPS 2026 主會議接納為口頭報告(在所有投稿中排名前 0.4%)。
Bonbon 只以序列進行訓練,沒有結構、物理定律、特定任務標籤或監督;當參數規模由 42M 擴展至 1.6B 時,它逐漸展現出湧現的生物學能力。預訓練損失平穩下降,但新能力在最大規模時才突然出現:
- 它能做甚麼:預測六類作用機制,包括哪些分子會啟動同一靶點,哪些則會將其關閉。現時要判斷這些作用,需透過功能性實驗室測試。
- 作用位置:定位結合位點,並辨別分子與同一靶點的結合屬於正位結合還是變構結合。
- 如何結合:辨認共價結合,並指出涉及的氨基酸殘基,即使沒有被告知存在共價結合也能做到。
- 哪些原子起關鍵作用:以單鍵級解像度識別活性基團;這類工作通常需要多輪合成及測試類似物。
所有能力均以未見過的蛋白質和分子進行零樣本評估。
同一表示空間在廣泛使用的結合及親和力基準測試中達到最先進的表現,並可在單張 H100 上每秒處理 2,500 次分子相互作用,速度約為領先的共折疊模型的 50,000×。
在外部 CRO 進行的盲法劑量反應測試中,由 Bonbon 排序的從頭設計分子,在七個蛋白質家族的九個疾病靶點中,命中率達 61.5%;相比之下,高通量篩選的典型命中率約為 0.1%。每種分子與訓練資料中任何項目的相似度均低於 60%。以下是部分例子:
- HDAC6:大部分已知抑制劑依賴與毒性相關的羥肟酸化學。Bonbon 找到了新型非羥肟酸抑制劑。
- MNK2:找到了不屬於這個癌症靶點已記錄化學空間的新型抑制劑。
- VEGFR2 和 ELANE:兩者均未出現在訓練資料中,但 Bonbon 仍為兩者找到了經確認的抑制劑。
為何重要
大部分用於藥物研發的 AI 只回答一個狹窄問題:分子能否與蛋白質結合?但即使分子完美契合,也可能毫無作用,甚至產生與所需相反的效果。分子的作用、作用位置、結合方式,以及哪些原子發揮作用,通常都要透過一連串獨立測試和實驗室反覆迭代來判斷。
Bonbon 只需一次推理,便能一併回答這些問題,規模亦符合生物學的需求。這能將數月的連續實驗濃縮為一步,讓化學探索延伸至已知骨架以外,並令最艱巨的藥物研發項目也變得可行,包括沒有理想起點的靶點。
更廣泛而言,這顯示分子生物學的規則可單憑序列學得,並隨規模擴大而湧現。這正是從單一相互作用邁向通路、細胞,以及將生物學理解為複雜系統的基礎。
來源:HuggingFace Daily Papers(社區熱門論文) · huggingface.co
