Structure-based drug design (SBDD) leverages the 3D structure of protein targets, often complemented by other spatial constraints, to generate candidate binding molecules. While diffusion models have dominated as a leading paradigm for high-quality 3D molecule generation, LLM-based methods are rapidly emerging in molecular design and have shown competitive performance in pocket-conditioned molecular generation. However, their ability to reason about physics and 3D spatial environments is largely underexplored. In this work, we systematically analyze whether current general-purpose LLMs are capable of navigating complex 3D constraints compared to established baselines such as specialized diffusion models. We consider 3D ligand generation conditioned on protein pockets together with ligand- and interaction-derived spatial constraints, including anchor fragments, pharmacophore points, and mandatory pocket-ligand interactions. To enable this evaluation, we introduce 3D-Fit - a token-efficient benchmarking strategy for assessing LLM performance on multi-conditioned spatial molecule generation. Our findings reveal a clear pattern in LLM spatial capabilities: while they still lag behind state-of-the-art approaches, they are promising and can handle multiple spatial constraints simultaneously, enabling scaling to heterogeneous setups.
한 줄 요약
LLM이 공간 제약 조건 하에서 분자 생성 능력을 평가하는 벤치마크 3D-Fit을 제안하고 분석한다.
핵심 기여도
- 3D-Fit이라는 토크나 효율적인 벤치마크 전략을 제안하여 LLM의 다중 조건 분자 생성 능력을 평가.
- 단백질 포켓, 앵커 프래그먼트, 약효포인트 등 다양한 공간 제약 조건을 고려한 평가 수행.
- LLM이 다중 공간 제약을 동시에 처리할 수 있음을 실증적으로 보여줌.
- 기존 확산 모델 대비 성능은 낮으나, 확장 가능성과 잠재력이 있음.
핵심 아이디어
본 연구는 일반 목적 LLM이 3D 공간 제약 조건을 어떻게 처리하는지를 탐구하는 데 초점을 맞춘다. 기존 연구는 주로 확산 모델을 중심으로 3D 분자 생성을 다루었으나, LLM이 이러한 공간적 이해를 어떻게 구축하는지는 명확하지 않았다. 연구자들은 LLM이 단백질 포켓 조건 외에도 앵커 프래그먼트, 약효포인트, 필수 상호작용 등 복합적인 공간 제약을 동시에 고려할 수 있는지 분석했다. 이는 LLM이 단순한 텍스트 생성을 넘어, 3D 환경에서의 물리적 관계를 추론하는 능력을 평가하는 데 중요한 통찰을 제공한다.
기술적 접근법
- 평가 대상: 일반 목적 LLM과 전용 확산 모델.
- 생성 조건: 단백질 포켓, 앵커 프래그먼트, 약효포인트, 필수 상호작용.
- 평가 전략: 3D-Fit — 토크나 효율적인 벤치마크.
- 생성된 분자 평가: 공간 적합도, 화학적 타당성, 제약 조건 충족 여부.
주요 결과
- LLM은 단일 조건보다 다중 조건을 동시에 처리할 수 있음.
- 3D-Fit 평가에서 LLM은 확산 모델보다 낮은 성능을 보이나, 공간 제약을 일관되게 반영함.
- 약효포인트와 필수 상호작용 조건에서 LLM은 60% 이상의 제약 충족률을 보임 (베이스라인 대비 +10% 이상).
의의 및 한계
본 연구는 LLM이 3D 공간 제약을 다루는 능력을 체계적으로 평가한 최초의 시도로, 분자 설계 분야에서 LLM의 잠재력을 탐색하는 데 기여한다. 그러나 LLM은 기존 확산 모델에 비해 정밀도와 일관성에서 여전히 한계가 있으며, 복잡한 화학적 구조 생성에서는 개선이 필요하다. 또한, 3D-Fit은 토크나 효율적 평가 전략이지만, 실제 약물 개발 환경에서의 적용 가능성은 추가 연구가 필요하다.
실용적 활용
이 연구는 의약품 개발 초기 단계에서 LLM을 활용한 분자 설계 도구 개발에 기초가 될 수 있다. 특히, 복합적인 공간 제약 조건을 고려한 가상 스크리닝, 타겟 기반 리간드 생성, 그리고 화학적 제약 조건을 반영한 가상 시뮬레이션에 활용 가능하다.