本研究提出了一种新型三维生成模型DiffSBDD，旨在设计与特定蛋白质靶点高度亲和的小分子配体。该模型结合了结构药物设计和机器学习，展示了高效性和多样性，生成的分子具有更真实的三维结构和更高的结合亲和力。此外，研究还提出了综合评估框架，以提升药物设计模型的实际适用性，缩小理论预测与实际应用之间的差距。

本研究提出了新型分子对接模型DiffDock和GFMDiff，利用扩散过程和几何促进方法，显著提高了小分子配体与蛋白质结合结构的预测准确性和效率。实验结果显示，这些模型在多个基准测试中优于传统方法，能够生成更真实的三维分子结构和更高的结合亲和力。

本文介绍了多种基于机器学习的三维生成模型，如DiffSBDD和BindDM，这些模型通过自适应提取结合位点信息，生成高亲和力的小分子配体，展现出优越的效率和多样性。同时，研究探讨了AutoFragDiff和DiffDock模型在分子设计中的应用，强调生成分子的几何性质和结合能力。