MolJO：梯度引导贝叶斯流网络的结构化分子优化

0. 链接验证表与证据口径

下列链接均在 2026-09-20 实际访问。核心论文的精确数字只取自 arXiv v4 HTML/PDF 的表格、算法与正文；本报告写明“复算”的百分比仅由论文原报数字做四则运算。Docking 分数越负通常表示预测结合越强，QED、SA、Success Rate、Connected 与 Diversity 越高越好；Energy、Clash 与 RMSD 越低越好。对不同论文、不同采样数或不同 success 定义的数字不做无条件横比。

检索覆盖说明。 候选身份与正式发表状态以 PMLR、OpenReview 和 arXiv 为主；Hugging Face Daily Papers、Papers with Code 与 Semantic Scholar 用于交叉发现和查找代码/引用，但本轮未找到 MolJO 稳定的独立 Papers with Code 条目，Semantic Scholar 入口由 arXiv 的 References & Citations 区可达，故没有把聚合页当作数字证据。ACL Anthology 在本日 AI4Science 主题下用于排查生物医学 NLP 候选，但最终随机池以 ICML 2025 主会的可核验论文为主。

1. 候选池、排重与随机选择

先核对 ml-report-index.md，排除最近 14 天已深度覆盖的 Foundation Molecular Grammar（2026-09-06，分子神经符号语法）和 PemNN（2026-09-13，蛋白力谱物理归纳偏置），也避免重复前一日的鲁棒理论主题。随后冻结 24 篇候选，均为 2025 年 ICML 主会论文，距运行日不超过 24 个月：

1. From Mechanistic Interpretability to Mechanistic Biology: Training, Evaluating, and Interpreting Sparse Autoencoders on Protein Language Models
2. Training Flexible Models of Genetic Variant Effects from Functional Annotations using Accelerated Linear Algebra
3. Raptor: Scalable Train-Free Embeddings for 3D Medical Volumes Leveraging Pretrained 2D Foundation Models
4. Visual and Domain Knowledge for Professional-level Graph-of-Thought Medical Reasoning
5. Breaking the Barrier of Hard Samples: A Data-Centric Approach to Synthetic Data for Medical Tasks
6. MedRAX: Medical Reasoning Agent for Chest X-ray
7. HealthGPT: A Medical Large Vision-Language Model for Unifying Comprehension and Generation via Heterogeneous Knowledge Adaptation
8. TinyMIG: Transferring Generalization from Vision Foundation Models to Single-Domain Medical Imaging
9. Distribution-aware Fairness Learning in Medical Image Segmentation From A Control-Theoretic Perspective
10. Modalities Contribute Unequally: Enhancing Medical Multi-modal Learning through Adaptive Modality Token Re-balancing
11. Multimodal Medical Code Tokenizer
12. BoxLM: Unifying Structures and Semantics of Medical Concepts for Diagnosis Prediction in Healthcare
13. LangDAug: Langevin Data Augmentation for Multi-Source Domain Generalization in Medical Image Segmentation
14. GraphCL: Graph-based Clustering for Semi-Supervised Medical Image Segmentation
15. MMedPO: Aligning Medical Vision-Language Models with Clinical-Aware Multimodal Preference Optimization
16. MedXpertQA: Benchmarking Expert-Level Medical Reasoning and Understanding
17. Hierarchical Graph Tokenization for Molecule-Language Alignment
18. Scalable Non-Equivariant 3D Molecule Generation via Rotational Alignment
19. Empower Structure-Based Molecule Optimization with Gradient Guided Bayesian Flow Networks
20. Compositional Flows for 3D Molecule and Synthesis Pathway Co-design
21. Protriever: End-to-End Differentiable Protein Homology Search for Fitness Prediction
22. Protein Structure Tokenization: Benchmarking and New Recipe
23. ReQFlow: Rectified Quaternion Flow for Efficient and High-Quality Protein Backbone Generation
24. All-atom inverse protein folding through discrete flow matching

实际执行 shuf -i 1-24 -n 1，输出 19。MolJO 有主会正式页、v4 全文、代码、数据说明、权重与完整补充实验，资料足以满足深读，因此重抽次数为 0。这个过程不按热度挑选；所谓“值得看”是在抽签后基于证据解释，而不是在抽签前主观筛热门。

3. 论文故事线、核心假设与权衡

论文故事线可压缩成四步。第一，继承 MolCRAFT 的 Bayesian Flow Network（BFN），把离散原子类型表示为概率参数，把坐标表示为高斯参数；这样“离散样本”背后有一个连续可微的信念状态。第二，在该参数空间训练亲和力、QED 与 SA 能量预测器，对坐标参数和类型概率共同求梯度，避免 TAGMol 的“坐标显式、类型隐式”。第三，指出一次局部梯度仍容易早熟，于是在最近 (k) 个历史状态内回退并重采样，形成 backward correction（B.C.），用滑窗长度调节 exploitation 与 exploration。第四，证明连续坐标引导保持 SE(3) 等变，并把同一机制扩展到 R-group redesign、fragment growing、scaffold hopping、联合目标和大 pocket OOD。

背后有三条关键假设。其一，能量预测器 (E_phi( heta,t,p)) 在 BFN 参数轨迹附近给出的梯度方向与真实属性改善一致；论文验证的是代理分数而非湿实验。其二，连续参数化足以让类型概率梯度表达离散化后的选择变化；实际采样仍要经过 categorical 抽样，梯度与最终原子类型不是一一对应。其三，滑窗回退会探索到更好的局部盆地而不会破坏化学有效性；附录的 (k) 扫描支持一个经验稳定区间，却没有全局最优保证。

核心权衡是三组：属性—有效性，更强亲和力引导会牺牲连通性；开发—探索，B.C. 窗口过短积累局部误差，过长增加回退成本；质量—预算，top-of-10 明显提高成功率，但其成本与单样本方法不再等价。论文的价值正在于没有把这些权衡藏起来，附录给出了可读的相变；不足则是主摘要的“state of the art”没有把这些边界写在同一句话里。

4. 方程级形式化与算法

输入：protein pocket p；预训练 MolCRAFT；属性能量 Eφ；步数 n=200；尺度 s=50；窗口 k=130
初始化：坐标信念 θx,0、类型概率 θv,0；历史缓存 H←∅
for i = 1..n:
    t ← i/n
    x̂, v̂ ← Φ(θx,i-1, θv,i-1, t, p)
    gx ← ∂Eφ/∂θx ; gv ← ∂Eφ/∂θv
    θx,i ← ContinuousBFNUpdate(θx,i-1, x̂, -s·gx)
    θv,i ← DiscreteBFNUpdate(θv,i-1, v̂, -s·gv)
    H.push(θx,i, θv,i)
    if correction step:
        j ← max(0, i-k)
        (θx,i, θv,i) ← ReconstructAndResample(H[j:i], gx, gv)
采样最终原子类型，解码坐标，检查连通性与化学有效性
输出：分子候选；可选地每 pocket 采 10 个再按成功条件挑最优

5. 关键机制与工程细节

仓库与论文存在一处需诚实标注的配置差异：HF/README 的训练示例给 epochs 15，而论文附录描述 property predictor 至多 5 epochs；两者可能对应通用默认配置与论文实际运行，但公开材料没有逐 checkpoint 的哈希—配置映射。因此，权重虽公开，训练级复现仍应固定 commit、checkpoint hash 与命令行，而不能只执行 README 默认值。

6. 数据集、基准与指标

CrossDocked2020 把蛋白 pocket 与配体复合物对齐后切分，是 SBDD/SBMO 常用基准。论文主评估有五类场景：标准从头优化、R-group redesign、fragment growing、scaffold hopping、大 pocket OOD；另补联合目标、构象质量和推理耗时。Vina Score 通常在未局部优化构象上评估，Vina Min 经局部最小化，Vina Dock 经过 docking 搜索；三者不是同一变量。QED 是药物相似性的经验组合，SA 是合成可达性的学习/规则代理，Diversity 衡量样本差异，Success 是三个阈值的逻辑与。

这套指标能回答“在相同 docking/代理评分流水线上，哪种生成策略更容易同时过线”，不能回答临床活性、选择性、毒性、ADMET、合成收率或真实结合自由能。尤其 docking 分数常随分子尺寸增加而改善；主实验虽对 atom count 先验有所控制，大 pocket OOD 仍需同时看平均原子数。

7. 完整主结果矩阵

8. 逐层消融：真正的收益来自哪里

表 4（行 343–353）把无梯度/有梯度与三种采样器拆开。下面保留 mean 指标；括号是论文原表给出的相对变化，不另推断统计显著性。

层层读法是：第一，给 Vanilla 直接加梯度几乎没解决多目标问题，QED/SA 不动，Vina Min 还略退；因此“有梯度”不是充分条件。第二，SDE 的随机性扩大探索，亲和力明显改善，却让 QED 略降。第三，只有 B.C.+梯度在五项上同时改善，说明回退重采样不是装饰，而是把局部方向变成可持续搜索的核心机制。

表 11（行 727–740）进一步拆 joint guidance。在 affinity 目标下，去掉类型梯度，Vina Score 从 -7.74 退到 -7.13；去掉坐标梯度退到 -6.61。坐标梯度贡献更大，但类型梯度仍带来 0.61 的绝对幅度改善；在 QED 目标下，完整模型 QED 0.66，去掉类型梯度降到 0.52，而去掉坐标仍为 0.65。这提供了清楚的因果画像：亲和力更依赖几何，QED 更依赖类型；所谓“joint”不是两个冗余梯度。

9. 超参敏感性、相变与统计显著性

10. 构象质量与系统成本

表 14（行 804–817）显示 MolJO energy 163、clash 6.72、RMSD<2Å 比例 43.5%、connected 97.3%。它的 RMSD 通过率略高 MolCRAFT 的 42.4%，energy 低于 MolCRAFT 196，但仍不及 Reference energy 114，clash 也高于 Reference 5.46。这意味着优化没有把几何彻底破坏，却也没有达到晶体构象分布。

推理耗时表 16（行 839–844）在单 RTX 3090、batch 5、10 个 protein 上给 mean±sd：MolJO 146±11 s，TAGMol 667±69 s，RGA 458±43 s，AutoGrow4 2586±360 s，DecompOpt 11714±1115 s。复算 MolJO 分别快 4.57×、3.14×、17.71×、80.23×。这是实际工程贡献：性能不依赖 30 轮黑盒再训练。不过论文未报告吞吐随 batch、口袋大小、样本数的曲线，也未把 predictor 训练成本、docking 后处理与 top-of-10 选择全部摊入端到端成本。

11. 相关工作：问题来源与技术传递链

                         ┌─ TAGMol：扩散采样 + 坐标梯度 ──┐
BFN：参数空间贝叶斯流 ─┤                                ├─ MolJO：坐标+类型联合梯度
                         └─ MolCRAFT：连续参数空间 SBDD ─┘          │
                                                                  ├─ backward correction
黑盒性质优化 ─ DecompOpt：生成→筛选→再训练（30轮） ────────────────┘
                                                                  │
                    ┌─ R-group redesign / growing / hopping ──────┤
                    ├─ affinity + QED + SA 多目标 ────────────────┤
                    └─ 大 pocket OOD / top-of-N 搜索 ─────────────┘
                                      ↓
           下一转折：可微代理的校准、Pareto 权重、湿实验闭环与合成路线约束

12. 真正贡献、可复用设计与迁移潜力

真正贡献一：离散引导的接口。 MolJO 的关键不是又造一个 docking model，而是把 categorical 类型留在概率参数空间直至最后采样，让属性梯度能改“是什么原子”而不只改“原子在哪里”。这一接口适合任何连续—离散混合科学对象。

真正贡献二：B.C. 是优化器而非采样花活。 消融显示 Vanilla+gradient 几乎无效，SDE+gradient 有限，而 B.C.+gradient 五指标齐升。换言之，科学生成中的 test-time guidance 需要显式的错误恢复/探索机制。

真正贡献三：效率可落地。 相对 DecompOpt 80.23× 的单卡耗时差，把“每个新 pocket 做一轮昂贵适配”变成“复用骨干和属性头执行一次受控采样”。这对虚拟筛选规模比单项均值更重要。

可复用迁移有三类。蛋白设计可把氨基酸类型视为离散模态、骨架坐标视为连续模态；晶体/材料可把元素占位与晶格坐标联合引导；反应规划可把离散反应模板与连续条件/能垒联合引导。迁移时必须同时迁移三样东西：可微参数化、属性代理的不确定性估计、以及类似 B.C. 的探索恢复，而不是只复制一条 gradient update。

13. 论文自述限制

1. 多目标冲突（附录联合目标，行 679–681）。 作者指出 QED+SA 的联合引导会损害 affinity，最终采用简单梯度平均。因为不同目标梯度量纲与夹角未被校准，所以当前联合优化不能保证 Pareto 最优，只能说给出一个经验折中。
2. 窗口误差与超参依赖（方法式 11–14；附录行 744–750）。 作者指出太小 (k) 会造成误差积累，最终选 130。因为没有跨采样步数/骨干的完整数表，所以窗口稳定性只能限定在当前 200-step CrossDocked 设置。
3. 评估与潜在滥用（附录构象讨论行 795–797；Impact 行 371–373）。 作者承认 Auto‑Dock poses/RMSD 评估有局限，并指出方法可能被用于有害物质设计、虽需要湿实验资源。因为所有主结论仍停留在计算代理，所以真实安全性与活性都未被验证。

14. 独立批判：每一点都用证据推出边界

1. [构念效度] 因为主结论依赖 Auto‑Dock Vina、QED 与 SA，且没有生化 assay、自由能微扰或合成实验，所以51.3% Success 只能代表通过三个计算阈值，不能推出真实结合、选择性、毒性或可合成收率。
2. [代理奖励/分布外优化] 因为 affinity scale 从 50 增至 100 时 Vina Min -8.39→-9.87，却让 Connected 0.90→0.55、SA 0.68→0.63（表 13），所以能量梯度存在典型 reward hacking 区域；继续提高代理分数会离开化学可行域。
3. [规模混杂] 因为大 pocket OOD 中 MolJO 平均原子数 30.0、Reference 22.8（+31.58%），而 docking 分数会受接触面积/尺寸影响，所以-10.53 的优势不能完全归因于更聪明的化学设计；应补 ligand efficiency、每重原子得分与匹配 atom-count 对照。
4. [搜索预算公平] 因为MolJO† 由每 pocket 10 个候选择优，Success 51.3→70.3%但 Diversity 0.66→0.61，而基线未统一成相同 oracle 调用数，所以70.3%不能作为同预算 SOTA；应画 success–oracle calls 曲线。
5. [统计完整性] 因为t-test 与 95% CI 只覆盖部分连续指标，Success、三类约束任务、OOD 和 top-of-10 没有区间，且多重检验未校正，所以可以信连续分数差异很稳定，却不能断言所有成功率差距都超出 pocket 间方差。
6. [内部一致性/复现] 因为主表 1与附录表 6对 DecompOpt、MolCRAFT 的部分均值不一致（例如 DecompOpt Vina Score -5.75 对 -4.839），README 的训练示例又是 15 epochs、论文 property head 写至多 5 epochs，所以复现者必须固定“哪一张表/哪一份 checkpoint/哪条命令”，不能把公开仓库默认配置自动视为论文配置。
7. [离散梯度理论] 因为实现为稳定性采用 ((1-)) 近似离散导数，而论文没有给这一替代的偏差界或收敛保证，所以“联合离散引导”目前是有效工程机制，而非已闭合的理论最优更新；需要与 exact simplex Jacobian、Gumbel-softmax、straight-through 做等预算对照。
8. [外推范围] 因为训练/主测试只来自 CrossDocked2020 的 100,000 poses 与 100 test proteins，序列相似度阈值虽为 30%但未报告 pocket geometry 与配体 scaffold 泄漏，所以不能推出跨靶点家族、共价配体、金属口袋或蛋白柔性场景同样有效。

15. 开放挑战：可直接执行的 head-to-head 实验空白

16. 近期值得跟踪的 6 篇工作

1. MolPilot / Piloting Structure-Based Drug Design via Modality-Specific Optimal Schedule（ICML 2025）：PMLR｜arXiv:2505.07286。它不再主攻属性梯度，而优化混合模态噪声调度；正式材料报告 95.9% PoseBusters pass，适合与 MolJO 组合成“更强骨干 + 更稳引导”。
2. Compositional Flows for 3D Molecule and Synthesis Pathway Co-design（ICML 2025）：arXiv:2504.08051｜代码。它把分子和合成路径放进同一个 compositional flow，报告 4.2× sampling efficiency；正面回应 MolJO 的 SA 只是代理而非路线证据。
3. LDMol: Text-Conditioned Molecule Diffusion Model Leveraging Chemically Informative Latent Space（ICML 2025）：PMLR｜arXiv:2405.17829。它探索语言条件的化学 latent；与 pocket-conditioned MolJO 互补，可测试自然语言目标是否能转成可靠联合梯度。
4. Scalable Non-Equivariant 3D Molecule Generation via Rotational Alignment（ICML 2025）：PMLR｜arXiv:2506.10186。它挑战“必须全程等变”的成本假设；值得和 MolJO 的 SE(3) 保证做精度—吞吐 head-to-head。
5. Multi-Fidelity Latent Active Learning for Molecular Property Discovery（ICML 2025）：PMLR。正式页报告平均 binding free energy 改善 50%；其多保真主动学习可作为 MolJO docking surrogate 与昂贵物理验证之间的预算分配器。
6. Hierarchical Graph Tokenization for Molecule-Language Alignment（ICML 2025）：arXiv:2406.14021｜OpenReview。它以层级 graph tokens 对齐分子与语言，若把这些 token 接到 MolJO 类型参数，可检验“语义级编辑”是否比逐原子梯度更稳。

17. 结论

MolJO 最值得看的不是 51.3% 这个孤立数字，而是一条可复用的控制链：BFN 把连续坐标与离散类型放到统一可微信念空间，联合梯度负责定向，backward correction 负责从局部误差中恢复。主表、类型/坐标消融和 80.23× 相对 DecompOpt 的耗时差共同支持这一设计确实有效。

最关键的科学判断则更克制：MolJO 把计算代理上的结构化分子优化显著推进了，却没有跨过代理到实验的鸿沟。Scale 100 时连接率从 0.90 崩到 0.55，是一条清楚的红线：当生成器学会讨好评价器，分数继续变好并不等于分子继续变好。下一步应优先做不确定性感知引导、预算等价对照、尺寸匹配和盲法实验闭环，而不是继续只刷新单一 Vina 数字。

脚注与索引状态。 本报告使用的核心数字来自 MolJO arXiv v4 HTML 的表 1–4、6、11–16、算法 1与对应正文/附录行域；相关工作数字来自各自论文正式页或正文。ml-report-index.md 已在本次运行中追加本条记录。HTML 已通过 Warm Editorial 结构验证器（0 error / 0 warning）；运行环境虽有 Playwright 包，但 /usr/bin/chromium、/opt/pw-browsers 与 Playwright 缓存均无可执行浏览器，且按要求未运行 playwright install，故本轮无法完成真实 Chromium 的浅色、深色和移动端截图核验。未公开或未找到的项目页、视频、独立聚合条目均已明确标注，不以搜索缺失推断“绝对不存在”。